MétaCan
Menu
Retour à la cohorte
Enregistrement W2288490837 · doi:10.1097/aln.0000000000001013

Preoperative Laboratory Investigations

2016· article· en· W2288490837 sur OpenAlexafffundabout
Kyle R. Kirkham, Duminda N. Wijeysundera, Ciara Pendrith, Ryan Ng, Jack V. Tu, Andrew Boozary, Joshua Tepper, Michael J. Schull, Wendy Levinson, R. Sacha Bhatia

Notice bibliographique

RevueAnesthesiology · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensWomen's College HospitalSt. Michael's Hospital
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineOdds ratioLogistic regressionAtrial fibrillationCohortPopulationSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Increasing attention has been focused on low-value healthcare services. Through Choosing Wisely campaigns, routine laboratory testing before low-risk surgery has been discouraged in the absence of clinical indications. The authors investigated rates, determinants, and institutional variation in laboratory testing before low-risk procedures. METHODS: Patients who underwent ophthalmologic surgeries or predefined low-risk surgeries in Ontario, Canada, between April 1, 2008, and March 31, 2013, were identified from population-based administrative databases. Preoperative blood work was defined as a complete blood count, prothrombin time, partial thromboplastin, or basic metabolic panel within 60 days before an index procedure. Adjusted associations between patient and institutional factors and preoperative testing were assessed with hierarchical multivariable logistic regression. Institutional variation was characterized using the median odds ratio. RESULTS: The cohort included 906,902 patients who underwent 1,330,466 procedures (57.1% ophthalmologic and 42.9% low-risk surgery) at 119 institutions. Preoperative blood work preceded 400,058 (30.1%) procedures. The unadjusted institutional rate of preoperative blood work varied widely (0.0 to 98.1%). In regression modeling, significant predictors of preoperative testing included atrial fibrillation (adjusted odds ratio [AOR], 2.58; 95% CI, 2.51 to 2.66), preoperative medical consultation (AOR, 1.68; 95% CI, 1.65 to 1.71), previous mitral valve replacement (AOR, 2.33; 95% CI, 2.10 to 2.58), and liver disease (AOR, 1.69; 95% CI, 1.55 to 1.84). The median odds ratio for interinstitutional variation was 2.43. CONCLUSIONS: Results of this study suggest that testing is associated with a range of clinical covariates. However, an association was similarly identified with preoperative consultation, and significant variation between institutions exists across the jurisdiction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,006

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 Opus0,515
Tête enseignante GPT0,519
Écart entre enseignants0,005 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations57
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnesthesiologyMême sujetHealthcare cost, quality, practicesTravaux en français237 207