MétaCan
Menu
← Retour à la cohorte
Enregistrement W2587114148 · doi:10.1200/jco.2012.30.34_suppl.225

Impact on mortality of increasing surgical volumes within hospitals after regionalization of thoracic surgery in Ontario, Canada.

2012· article· en· W2587114148 sur OpenAlexaffabout
Anna Bendzsak, Nancy N. Baxter, Gail Darling, Peter C. Austin, David R. Urbach

Notice bibliographique

RevueJournal of Clinical Oncology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensInstitute for Clinical Evaluative SciencesUniversity Health NetworkSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineLogistic regressionMortality rateSurgeryConfidence intervalEmergency medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

225 Background: The causal direction of the volume-outcome relationship in surgery has not yet been established. Our objective was to study the effect of absolute hospital volume of anatomic lung resections and volume changes within hospitals on mortality, length of stay (LOS), readmission (RA), and post-discharge visits to the emergency room (ER visits), during a period of regionalization for lung surgery in Ontario, Canada, to test the theory of "practice makes perfect". Methods: For each anatomic lung resection in Ontario from 2004-2010 we determined the volume change within hospital as the difference in hospital operative volume between the year immediately prior to the date of surgery and year prior to that (Dvolume). We used generalized estimating equations and logistic regression, controlling for clustering within hospitals, to examine the effect of Dvolume, patient factors and year on operative mortality, RA and ER visits. Negative binomial regression was used for LOS. The absolute effect of volume, measured as the 12-month hospital volume prior to each procedure, on outcomes was also examined with the same models. Results: Higher hospital volumes were associated with significant improvements in mortality and length of stay, (for increases of 10 cases, mortality OR=0.98 [95%CI: 0.96-1.00] and LOS RR=0.98 [95% CI: 0.97-0.99]), but not for RA or ER visits. However, increases in within-hospital volume did not lead to changes in mortality (OR=1.00, 95% CI: 0.96-1.10), RA (OR=1.00, 95% CI: 0.99-1.00), or ER visits (OR=0.99, 95% CI: 0.98-1.00). Volume increases within hospitals did lead to small improvements in LOS (RR=0.996, 95% CI: 0.993-0.999). Conclusions: Increasing volumes within hospitals did not lead to improvements in mortality in our study, but did result in small improvements in LOS. The decrease in LOS was likely appropriate as it was not associated with changes in RA or ER visits. A volume-outcome relationship between absolute hospital volume and improved mortality was observed, but was not explained by increasing volumes within hospitals; thus practice did not make perfect for mortality.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,238

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,088
Tête enseignante GPT0,464
Écart entre enseignants0,375 · 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

Citations0
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Oncology→Même sujetLung Cancer Diagnosis and Treatment→Travaux en français237 207→