Potential for bias in waiting time studies: events between enrolment and admission
Notice bibliographique
Résumé
STUDY OBJECTIVE: To demonstrate the effect of exclusion of data on delays in scheduling operations in calculating difference in admission rates between two enrolment periods. DESIGN: A prospective cohort study; outcome measure-waiting time for elective admission; study variables-enrolment periods, before 31 March 1997 and after that date; the time of scheduling delay; gender; age; urgency, and type of surgery. SETTING: An acute care hospital in Ontario, Canada. PARTICIPANTS: 1173 consecutive cases accepted for elective vascular surgery between 1 July 1994 and 31 March 1999. MAIN RESULTS: Before adjustment for scheduling delays, a 20% lower admission rate was associated with period 2, rate ratio (RR) = 0.8 (95% confidence intervals (CI)= 0.7, 0.9). The difference between the periods became only marginally significant after the adjustment, RR = 0.9 (95% CI=0.8, 1.0). No difference between the periods was found when admission rates were compared before a delay occurred, RR = 0.9 (95% CI=0.8, 1.1). In delayed patients, those enrolled in period 1 and 2 had, respectively, a 40% and a 60% lower admission rate than the period 1 patients admitted without scheduling delays, RR = 0.6 (95% CI=0.4, 0.8) for period 1 and RR = 0.4 (95%CI=0.3, 0.5) for period 2. CONCLUSIONS: The results provide evidence that patients experiencing a delay in scheduling operation have a lower admission rate after the event. Thus, potential for bias exists when between group comparison of waiting time is done without adjustment for an intermediate event that may occur before elective admission.
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 | 0,037 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».