Loss to follow-up after total hip replacement: a source of bias in patient reported outcome measures and registry datasets?
Notice bibliographique
Résumé
Patient reported outcome measures (PROMs) are used to gauge clinical performance. The PROMs outcome programme at our centre achieves a preoperative data capture rate of 99%. This falls to 90.6%, 89%, 83% and 79% at the six-week, six-month, one-year and two-year time points, respectively. The study aims were to determine factors associated with patients who did not respond to outcome questionnaires following total hip replacement (THR), and the potential implications this may have when assessing patients following THRs. During the first year of the PROMs programme, 1,322 patients underwent unilateral primary THR at our institution. Of these, 1,311 completed preoperative questionnaires. Thirty-eight patients (2.9%) died within two years of surgery and have been excluded. For the remaining 1,273 patients, we identified those who did not return postoperative questionnaires at each of our review time points. Younger age, lower baseline EQ5D and Oxford Hip scores (OHS) were significantly associated with non-response (p<0.001). Patients with lower satisfaction scores, OHS and EQ5D scores, were less likely to respond to subsequent questionnaires. A significant association between non-response and deprivation (p<0.001) was demonstrated. Our findings suggest that the more satisfied patients are over-represented and our reported outcome results are better than they would have been if all patients had responded. This phenomenon may apply to studies where those categorised as "lost to follow-up" represent a subset of patients who have disengaged due to poor outcome or satisfaction.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».