Multiple approaches to assessing the effects of delays for hip fracture patients in the United States and Canada.
Notice bibliographique
Résumé
OBJECTIVE: To examine the determinants of postsurgery length of stay (LOS) and inpatient mortality in the United States (California and Massachusetts) and Canada (Manitoba and Quebec). DATA SOURCES/STUDY SETTING: Patient discharge abstracts from the Agency for Health Care Policy and Research Nationwide Inpatient Sample and from provincial health ministries. STUDY DESIGN: Descriptive statistics by state or province, pooled competing risks hazards models (which control for censoring of LOS and inpatient mortality data), and instrumental variables (which control for confounding in observational data) were used to analyze the effect of wait time for hip fracture surgery on postsurgery outcomes. DATA EXTRACTIONS: Data were extracted for patients admitted to an acute care hospital with a primary diagnosis of hip fracture who received hip fracture surgery, were admitted from home or the emergency room, were age 45 or older, stayed in the hospital 365 days or less, and were not trauma patients. PRINCIPAL FINDINGS: The descriptive data indicate that wait times for surgery are longer in the two Canadian provinces than in the two U.S. states. Canadians also have longer postsurgery LOS and higher inpatient mortality. Yet the competing risks hazards model indicates that the effect of wait time on postsurgery LOS is small in magnitude. Instrumental variables analysis reveals that wait time for surgery is not a significant predictor of postsurgery length of stay. The hazards model reveals significant differences in mortality across regions. However, both the regressions and the instrumental variables indicate that these differences are not attributable to wait time for surgery. CONCLUSIONS: Statistical models that account for censoring and confounding yield conclusions that differ from those implied by descriptive statistics in administrative data. Longer wait time for hip fracture surgery does not explain the difference in postsurgery outcomes across countries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».