Prioritizing patients for elective surgery: Clinical judgement summarized by a Linear Analogue Scale
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The New Zealand health reforms have resulted in the requirement that surgeons utilize Clinical Priority Access Criteria (CPAC) to ration patient access to elective surgery. The validity of the tools used as CPAC has been challenged. An alter-native tool, the Linear Analogue Scale (LAS), is therefore used in our institution. Our objectives were to determine the variables that influence the priority score generated using the LAS, and the length of time waited by patients awaiting general surgical procedures. METHODS: A cohort of 918 patients who were listed for elective general surgical procedures at Auckland Hospital, Auckland, New Zealand between 1 July 1998 and 31 March 1999 were studied. Patients were given a priority score generated using the LAS. For each patient, the time from assessment until his or her procedure was documented. Linear and logistic regression models were used to investigate variables (age, gender, diagnosis and surgical team) that influence priority score. Cox proportional hazards models were used to investigate variables (priority score, age, gender, and diagnosis) that influence the length of time waited. RESULTS: Graphical presentation showed a pattern of priority scores falling into 'bands' for different diagnoses. Diagnosis, and to a lesser extent surgical team, influenced priority score. Survival analysis showed 'time waited' to be influenced by priority score, diagnosis, and patient age and gender. CONCLUSION: The LAS may have a useful role in the difficult sphere of patient prioritization. Its strength lies in its simplicity. Further investigation of reliability and effect on patient outcomes is required.
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.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle