‘There are too many of us to fix.’ Patients’ views of acceptable waiting times for hip and knee replacement
Notice bibliographique
Résumé
OBJECTIVES: To assess patients' views of maximum acceptable waiting times (MAWT) for hip and knee replacement, associated factors and the accuracy of self-reported waiting times. METHODS: We mailed 1000 questionnaires each to two random samples of patients either waiting for or who had received an arthroplasty within the preceding 3-12 months. We used linear regression to assess the determinants of patient MAWT, and content analysis to assess reasons for MAWT and ideal waiting time. RESULTS: Of the 1330 responses, 1127 had MAWT data. The sample was 57% women; mean age was 70 +/- 11 years. Median self-reported and actual waiting time was eight months (Spearman correlation = 0.70). Median MAWT was four months and ideal waiting time was two months. The most frequent reasons for MAWT were pain, quality of life and needing time to prepare for surgery. A longer MAWT was associated with younger age, group (waiting), a longer self-reported waiting time, better EQ-5D index, an acceptable waiting time, a perception of fairness and a view that others worse off on the list should go ahead. CONCLUSIONS: Patients' views of acceptable waiting times are important for a fair process of establishing waiting time benchmarks for joint replacement.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».