Patient and system factors of time to surgery after hip fracture: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: It is disputed whether the time a patient waits for surgery after hip fracture increases the risk of in-hospital death. This uncertainty matters as access to surgery following hip fracture may be underprioritised due to a lack of definitive evidence. Uncertainty in the available evidence may be due to differences in characteristics of patients, their injury and their care. We summarised the literature on patients and system factors associated with time to surgery, and collated proposed mechanisms for the associations. METHODS: for synthesis of factors and mechanisms of time to surgery after hip fracture in adults aged >50 years, published in English, between 1 January 2000 and 28 February 2017, and indexed in MEDLINE, EMBASE, CINAHL or Ageline. Proposed mechanisms for reported associations were extracted from discussion sections. RESULTS: We summarised evidence from 26 articles that reported on 24 patient and system factors of time to surgery post hip fracture. In total, 16 factors were reported by only one article. For 16 factors we found proposed mechanisms for their association with time to surgery which included surgical readiness, available resources, prioritisation and out-of-hours admission. CONCLUSIONS: We identified patient and system factors associated with time to surgery after hip fracture. This new knowledge will inform evaluation of the putative timing-death association. Future interventions should be designed to influence factors with modifiable mechanisms for delay.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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) | 0,001 | 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 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 ».