Using G-Computation to Estimate the Effect of Regionalization of Surgical Services on the Absolute Reduction in the Occurrence of Adverse Patient Outcomes
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: Numerous studies have found that increased hospital or surgeon operative volumes, as measured by the number of procedures performed, are associated with improved patient outcomes after surgery. These findings have been used to support important health policy decisions about regionalization of surgical services, in which provision of specific surgical services is restricted to hospitals that maintain operative volumes above a specified threshold. The most common statistical approach in volume-outcome studies is to regress patient outcomes on a set of patient characteristics and a variable denoting provider volume. When outcomes are binary, such as operative mortality, logistic regression is used, resulting in the odds ratio being the reported measure of association. However, the odds ratio is a relative measure of effect and does not allow policy makers to estimate the absolute benefit of regionalization. OBJECTIVES: To describe how G-computation can be used to estimate the expected number of lives saved due to regionalization of surgical services. RESEARCH DESIGN: Retrospective cohort design of patients undergoing 1 of 3 different surgical procedures in Ontario, Canada. RESULTS: Regionalization of colorectal cancer surgery, esophagectomy, or pancreaticoduodenectomy in Ontario could reduce the average annual number of perioperative deaths by 20.2, 2.0, and 3.6, for the 3 procedures, respectively. CONCLUSIONS: The absolute reduction in number of operative deaths due to regionalization of surgical procedures can be calculated. This can help inform health policy debate about benefits of regionalization.
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 | 0,001 | 0,000 |
| 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 découle