MétaCan
Menu
Retour à la cohorte
Enregistrement W1534984740 · doi:10.1097/01.sla.0000149428.17238.03

Surgeon Specialty and Operative Mortality With Lung Resection

2005· article· en· W1534984740 sur OpenAlexaff
Philip P. Goodney, F. L. Lucas, Thérèse A. Stukel, John D. Birkmeyer

Notice bibliographique

RevueAnnals of Surgery · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensInstitute for Clinical Evaluative Sciences
Organismes subventionnairesAgency for Healthcare Research and Quality
Mots-clésMedicineCardiothoracic surgerySpecialtyPneumonectomyLung cancerSurgerySubspecialtyGeneral surgeryMortality rateInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We sought to examine the effect of subspecialty training on operative mortality following lung resection. SUMMARY BACKGROUND DATA: While several different surgical subspecialists perform lung resection for cancer, many believe that this procedure is best performed by board-certified thoracic surgeons. METHODS: Using the national Medicare database 1998 to 1999, we identified patients undergoing lung resection (lobectomy or pneumonectomy) for lung cancer. Operating surgeons were identified by unique physician identifier codes contained in the discharge abstract. We used the American Board of Thoracic Surgery database, as well as physician practice patterns, to designate surgeons as general surgeons, cardiothoracic surgeons, or noncardiac thoracic surgeons. Using logistic regression models, we compared operative mortality across surgeon subspecialties, adjusting for patient, surgeon, and hospital characteristics. RESULTS: Overall, 25,545 Medicare patients underwent lung resection, 36% by general surgeons, 39% by cardiothoracic surgeons, and 25% by noncardiac thoracic surgeons. Patient characteristics did not differ substantially by surgeon specialty. Adjusted operative mortality rates were lowest for cardiothoracic and noncardiac thoracic surgeons (7.6% general surgeons, 5.6% cardiothoracic surgeons, 5.8% noncardiac thoracic surgeons, P = 0.001). In analyses restricted to high-volume surgeons (>20 lung resections/y), mortality rates were lowest for noncardiac thoracic surgeons (5.1% noncardiac thoracic, 5.2% cardiothoracic, and 6.1% general surgeons) (P < 0.01 for difference between general surgeons and thoracic surgeons). In analyses restricted to high-volume hospitals (>45 lung resections/y), mortality rates were again lowest for noncardiac thoracic surgeons (5.0% noncardiac thoracic, 5.3% cardiothoracic, and 6.1% general surgeons) (P < 0.01 for differences between all 3 groups). CONCLUSIONS: Operative mortality with lung resection varies by surgeon specialty. Some, but not all, of this variation in operative mortality is attributable to hospital and surgeon volume.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,155
Tête enseignante GPT0,395
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations188
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of SurgeryMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207