Analysis of Patient Attrition in a Publicly Funded Bariatric Surgery Program
Notice bibliographique
Résumé
BACKGROUND: Obesity is a global epidemic, and several surgical programs have been created to combat this public health issue. Although demand for bariatric surgery has grown, so too has the attrition rate. In this study we identify patient characteristics and operational interventions that have contributed to high attrition in a multistage, multidisciplinary bariatric surgery program. STUDY DESIGN: A retrospective study was conducted of 1,682 patients referred for bariatric surgery at the University Health Network in Toronto, Canada, from June 2008 to July 2011. Demographic information, presurgical assessment dates, and records describing operational changes were collected. Several penalized likelihood and mixed effects multivariable logistic regression models were used to determine whether patient characteristics, operational changes, and previous experience affected program completion and intermediate transitions between assessments. RESULTS: Although the majority of attrition appears to be the result of patient self-removal, males (odds ratio [OR] 0.511, 95% CI 0.392 to 0.663, p < 0.001), and individuals with active substance use (OR 0.223, 95% CI 0.096 to 0.471, p < 0.001) were less likely to undergo surgery. Operational practices had a detrimental effect on program completion (OR 0.590, 95% CI 0.456 to 0.762, p < 0.001). Conversely, patients with a BMI > 40 kg/m(2) (OR 1.756, 95% CI 1.233 to 2.515, p = 0.002) and those who lived within 25 to 300 km of the center (OR > 1.633, p < 0.001) were more likely to undergo surgery. CONCLUSIONS: Certain subgroups in the referral population were found to be at a higher risk of noncompletion. Specialized care pathways must be implemented to address this issue. Furthermore, careful consideration must be given to operational decisions because they may negatively affect access to care, as we have shown.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| 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 ».