Clinicians’ reported use of clinical priority assessment criteria and their attitudes to prioritization for elective surgery: a cross‐sectional survey
Notice bibliographique
Résumé
OBJECTIVES: To explore the attitudes of clinicians working in New Zealand publicly funded hospitals towards prioritizing patients for elective surgery, and their reported use of clinical priority assessment criteria (CPAC). DESIGN: A cross-sectional study using a postal questionnaire. The questionnaire drew on themes identified from an earlier qualitative study. Questions were closed and information was sought about perceptions of the need to prioritize patients, effective ways of doing so and the use of CPAC. SETTING: New Zealand. PARTICIPANTS: A national sample of cardiologists, cardiac, general and orthopaedic surgeons, and registrars. RESULTS: Three hundred and thirty-two clinicians responded to the survey (74.1%). Respondents generally agreed that a nationally consistent method of prioritizing patients for surgery was required but felt their clinical judgement was the most effective way of prioritizing patients. Current CPAC were considered to be administrative tools and there was marked variation in their reported use. Consistent use of CPAC using the constructs provided was more likely to be reported by cardiac specialists than general or orthopaedic surgeons. Other features of the hospital system in which surgeons worked also had a major impact on access to elective surgery. CONCLUSIONS: Clinicians recognized the need for a nationally consistent method of prioritizing patients. Although most did not consider current CPAC were effective in achieving this, many felt there was some potential in further development of tools. However, further development is problematic in the absence of objective measures of need and ability to benefit.
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 | 0,078 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».