The economic impact of periprosthetic infection in total hip arthroplasty
Notice bibliographique
Résumé
Background: Periprosthetic joint infection (PJI) is the third leading cause of total hip arthroplasty (THA) failure. Although controversial, 2-stage revision remains the gold standard treatment for PJI in most situations. To date, there have been few studies describing the economic impact of PJI in today’s health care environment. The purpose of the current study was to obtain an accurate estimate of the institutional cost associated with the management of PJI in THA and to assess the economic burden of PJI compared with primary uncomplicated THA. Methods: We conducted a review of primary THA cases and 2-stage revision THA for PJI at our institution. Patients were matched for age and body mass index. All costs associated with each procedure were recorded. Descriptive statistics were used to summarize the collected data. Mean costs, length of stay, clinic visits and readmission rates associated with the 2 cohorts were compared. Results: Fifty consecutive cases of revision THA were matched with 50 cases of uncomplicated primary THA between 2006 and 2014. Compared with the primary THA cohort, PJI was associated with a significant increase in mean length of hospital stay (26.5 v. 2.0 d, p < 0.001), mean number of clinic visits (9.2 v. 3.8, p < 0.001), number of readmissions (12 v. 1, p < 0.001) and average overall cost (Can$38 107 v. Can$6764, t = 8.3, p < 0.001). Conclusion: Treatment of PJI is a tremendous economic burden. Our data suggest a 5-fold increase in hospital expenditure in the management of PJI compared with primary uncomplicated THA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».