Neighborhood Variation in the Utilization of Laparoscopy for the Treatment of Colon Cancer
Notice bibliographique
Résumé
BACKGROUND: The rates of laparoscopic colectomy for colon cancer have steadily increased since its inception. Laparoscopic colectomy currently accounts for a third of colectomy procedures in the United States, but little is known regarding the spatial pattern of the utilization of laparoscopy for colon cancer. OBJECTIVE: This study evaluated the utilization of laparoscopy for colon cancer at the neighborhood level in Ontario. DESIGN: Retrospective analysis of prospectively collected data was performed. SETTING: This study was conducted at all hospitals in the province of Ontario. PATIENTS: This population-based study included all patients aged ≥18 who received an elective colectomy for colon cancer from April 2008 until March 2012 in the province of Ontario. MAIN OUTCOME MEASURES: The primary outcome measure was the neighborhood rates of laparoscopy. RESULTS: Overall, 9,969 patients underwent surgery, and the cluster analysis identified 74 cold-spot neighborhoods, representing 1.8 million people, or 14% of the population. In the multivariate analysis, patients from rural neighborhoods were less than half as likely to receive laparoscopy, OR 0.44 (95% CI, 0.24-0.84; p = 0.012). Additionally, having a minimally invasive surgery fellowship training facility within the same administrative health region as the neighborhood made it more than 23 times as likely to be a hot spot, OR 25.88 (95% CI, 12.15-55.11; p < 0.001). Neighborhood socioeconomic status was not associated with variation in the utilization of laparoscopy. LIMITATIONS: Patient case mix could affect laparoscopy use. CONCLUSION AND RELEVANCE: This study identified an unequal utilization of laparoscopy for colon cancer within Ontario with rural neighborhoods experiencing low rates of laparoscopic colectomy, whereas neighborhoods in the same administrative region as minimally invasive surgery training centers experienced increased utilization. Further study into the causes of this variation in resource allocation is needed to identify ways to improve more efficient spread of knowledge and technical skills advancement.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».