The impact of surgical experience on total hospital charges for minimally invasive prostatectomy: a population‐based study
Notice bibliographique
Résumé
Study Type – Therapy (case series) Level of Evidence 4 What’s known on the subject? and What does the study add? Minimally invasive radical prostatectomy (MIRP) for the treatment of localized prostate cancer has rapidly gained increasing popularity over time. The current report highlights the importance of high surgical experience in regards to lowering MIRP hospital charges. OBJECTIVE • To evaluate the relationship between surgical volume (SV) and total hospital charges in patients undergoing minimally invasive radical prostatectomy (MIRP) for treatment of localized prostate cancer. PATIENTS AND METHODS • Within the Florida Hospital Inpatient Datafile, 2666 men who were treated with MIRP for prostate cancer between 2002–2008 were identified. • The SV was defined in two ways: annual caseload (AC) and each surgeons experience (SE) defined as the total number of procedures performed since entering the study until the time of each MIRP. RESULTS • The mean and median charges were respectively 38 852 and 31 511 US Dollars. AC ranged from 1–171 and SE varied from 1–500. Overall, 75.7 to 94% of surgeons were in the lowest AC tertile and 27 to 66% of patients were operated by low AC tertile surgeons. • After stratification according to AC tertiles, median charges were 41 564; 33 395 and 26 608 US Dollar for respectively low intermediate and high AC tertile categories. • Multivariable logistic regression models with generalized estimating equations revealed that the probability of charges above the median was reduced by respectively 38 and 68% in patients operated by intermediate SE (17–76 MIRPs) or high SE tertile (≥77 MIRPs) surgeons vs. low SE tertile (≤16 MIRPs) surgeons. CONCLUSIONS • High surgical experience reduces MIRP total hospital charges. • Despite this observation, even in 2008, 82% of MIRP surgeons were in the lowest AC tertile and contributed to 32% of all MIRPs.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».