Systematic review with meta-analysis of the impact of surgical fellowship training on 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: The number of surgeons entering fellowship training before independent practice is increasing. This may have a negative impact on surgeons in training. The impact of fellowship training on patient outcomes is not yet known. This review aimed to investigate the impact of fellowship training in surgery on patient outcomes. METHODS: A systematic review of the literature was conducted to identify studies exploring the structural and surgeon-specific characteristics of fellowship training on patient outcomes. Data from these studies were extracted, synthesized and reported qualitatively, or quantitatively through meta-analysis. RESULTS: Twenty-three studies were included. The mortality rate for patients in centres with an affiliated fellowship programme was lower than that for centres without (odds ratio 0.86, 95 per cent c.i. 0.84 to 0.88), as was the rate of complications (odds ratio 0.90, 0.78 to 1.02). Surgeons without fellowship training converted more laparoscopic operations to open surgery than those with fellowship training (risk ratio (RR) 1.04, 95 per cent c.i. 1.03 to 1.05). Comparison of outcomes for senior surgeons versus current fellows showed no differences in rates of mortality (RR 1.00, 1.00 to 1.01), complications (RR 1.03, 0.98 to 1.08) or conversion to open surgery (RR 1.01, 1.00 to 1.01). CONCLUSION: Fellowship training appears to have a positive impact on patient outcomes.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,018 | 0,018 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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