Using administrative databases to measure waiting times for patients undergoing major cancer surgery in Ontario, 1993-2000.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine how long patients in Ontario waited for major breast, colorectal, lung or prostate cancer surgery in the years 1993-2000. METHODS: "Surgical waiting time" was defined as the interval from date of preoperative surgeon consult to date of hospital admission for surgery. We created patient cohorts by linking appropriate diagnosis and procedure codes from Canadian Institutes of Health Information data. Scrambled unique surgeon identifiers were obtained from Ontario Health Insurance Plan data. Changes in median surgical waiting times were assessed with univariate time-trend analyses and multilevel models. Models were controlled for year of surgery and other patient (age, gender, comorbid conditions, income level, area of residence) and hospital level characteristics (teaching status, procedure volume status). RESULTS: Compared with 1993, median surgical waiting times in the year 2000 increased 36% for patients with breast cancer (to 19 d), 46% with colorectal (to 19 d), 36% with lung (to 34 d) and 4% with prostate cancer (to 83 d). Multilevel models confirmed significant increases in waiting times for all procedures. There were no concerning or consistent differences in waiting times among the categories of hospitals and patients examined. DISCUSSION: There were significant increases in surgical waiting times among patients undergoing breast, colorectal, lung or prostate cancer surgery in Ontario over years 1993-2000. Administrative databases can be used to efficiently measure such waits.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle