Hospital and Surgeon Determinants of Carotid Endarterectomy Outcomes
Notice bibliographique
Résumé
BACKGROUND: Prior studies have found associations between surgeon and hospital case volumes and outcomes after carotid endarterectomy (CEA), but they have not simultaneously assessed the importance of a number of surgeon and hospital characteristics. OBJECTIVE: To simultaneously assess associations between hospital case volume, teaching status, clinical trial participation, and surgeon specialty and case volume and the outcome after CEA. DESIGN: Analysis of a large administrative data-base using logistic regression to correlate adverse outcomes after CEA with surgeon and hospital characteristics. SETTING AND PATIENTS: A Canadian administrative hospital discharge database of all patients undergoing CEA in fiscal years 1994 through 1997. MAIN OUTCOME MEASURES: In-hospital stroke and/or death. RESULTS: We found an inverse relationship between both hospital and surgeon case volumes and adverse outcomes. Teaching status had no association with outcome, but previous clinical trial participation predicted a better outcome. General surgeons fared worse than other specialists. Low-volume surgeons in low-volume hospitals had a relative risk of 3.5 for adverse outcomes compared with high-volume surgeons in high-volume hospitals. CONCLUSIONS: Several physician and hospital characteristics are determinants of outcome after CEA, but the negative effects of low hospital and surgeon case volumes, in particular, suggest that regionalization should be considered for CEA and that surgeons with low case volumes should not be performing CEA.
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 | 0,000 |
| 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 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 ».