Geographic variation of endoscopic sinus surgery in the united states
Notice bibliographique
Résumé
OBJECTIVES/HYPOTHESIS: The objective of this study was to examine the rates and geographic variation of endoscopic sinus surgery (ESS) in a representative sample of the US working population. STUDY DESIGN: Observational cohort study using the MarketScan Commercial Claim and Encounters database. METHODS: All patients who received ESS between 2009 and 2013 were included. The annual adjusted rates of ESS per 1,000 people were calculated for each US state. Geographic variations were evaluated using the extremal quotient (EQ), weighted coefficient of variation (CV), systematic component of variance (SCV), and empirical Bayes statistic. The χ(2) statistic tests was used to quantify variation of the adjusted ESS rates across states within the US. RESULTS: The annual adjusted rate of ESS was 0.94 per 1,000 people in the US. South Dakota and Alabama were observed to have the highest rates of ESS, 1.80 and 1.69, respectively. Vermont and Arkansas were observed to have the lowest rates of ESS, 0.51 and 0.57, respectively. The mean EQ was 4.54, indicating a four- to fivefold difference between the highest (South Dakota) and lowest (Vermont) states. The mean CV was 31.4 and mean SCV was 10.1, which demonstrates very high variation. CONCLUSIONS: This study observed very high geographic variation in the rates of ESS across the United States. Given that practice variation indicates the presence of potentially harmful and inefficient unwarranted care, outcomes from this study indicate a need to further evaluate the delivery of ESS to improve overall health system performance. LEVEL OF EVIDENCE: 2b.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».