Do case‐generic measures of queue performance for bypass surgery accurately reflect the waiting‐list experiences of those most urgent?
Notice bibliographique
Résumé
BACKGROUND: Queue performance is typically assessed using generic measures, which capture the queue in aggregate. The objective of this study was to examine whether case-generic measures of queue performance appropriately reflected the waiting-list experiences of those patients with greatest disease severity. METHODS: We examined the queue for isolated coronary artery bypass grafting (CABG) in Ontario between April 1993 and March 2000 using data obtained from the Cardiac Care Network. Our primary measure of queue performance was the proportion of patients who received their bypass surgery within their recommended maximum waiting times (%RMWTs) in any given month. We compared case-generic measures of queue performance to case-specific measures of queue performance stratified by urgency level. RESULTS: The queue was largely comprised of elective cases ranging from 73% (1993) to 57%(1999). Urgent patients comprised the minority of the queue ranging from 14% (1993) to 20% (1999). Case-generic month-to-month variations in the percentage of cases completed within RMWTs (an aggregated waiting list measure encompassing the characteristics of all patients in the queue) closely resembled the experiences of elective patients (R2 = 0.81), but conversely, bore little relationship to the waiting-list experiences of those most urgent (R2 = 0.15). INTERPRETATION: Case-generic measures of queue performance for bypass surgery in Ontario were not reflective of the waiting-list experiences of those most urgent. Our results reinforce the concept that urgency-specific waiting list monitoring systems are required to best evaluate and appropriately respond to fluctuations in queue performance.
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 | 0,052 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».