MétaCan
Menu
Retour à la cohorte
Enregistrement W2269280088 · doi:10.7175/fe.v16i1s.1201

Comparison between traditional and goal directed perfusion in cardiopulmonary by-pass. Adaptation of a differential cost analysis

2015· article· en· W2269280088 sur OpenAlexaboutno aff
Massimiliano Povero, Lorenzo Pradelli

Notice bibliographique

RevueFarmeconomia Health economics and therapeutic pathways · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiac, Anesthesia and Surgical Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDifferential (mechanical device)Offset (computer science)Discrete event simulationOperations managementEconometricsMedicineComputer scienceStatisticsEconomicsMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A previous patient-level discrete event simulation (DES) model was developed to perform an economic evaluation of GDP strategy with respect to TP in US. Aim of this supplement is provide results of the adaptations of the differential cost analysis to Belgium, Canada, France, Germany, Italy, and UK. METHODS: A Discrete Event Simulation model was developed to compare TP and GDP strategy in patients undergoing CPB. National perspective was adopted to calculate costs associated to each event while GDP strategy was exploited the introduction of Sorin Heartlink (HL) Card/GDP Card and Sorin Connect (electronic data management system). RESULTS: GDP reduces the total cost with respect to traditional perfusion; furthermore the cost of GDP strategy (Sorin GDPTM Monitor and Sorin ConnectTM) is completely offset by the saving in hospital stay. CONCLUSION: GDP seems to improve significantly the main outcomes related to CPB surgery, when compared to TP techniques. Additional costs due to perform GDP strategy have no impact on the total cost since completely offset by the savings in hospital cost.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,298
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFarmeconomia Health economics and therapeutic pathwaysMême sujetCardiac, Anesthesia and Surgical OutcomesTravaux en français237 207