MétaCan
Menu
Retour à la cohorte
Enregistrement W2746719527 · doi:10.1016/j.jvs.2017.05.123

Association between operator specialty and outcomes after carotid artery revascularization

2017· article· en· W2746719527 sur OpenAlexafffundabout
Mohamad A. Hussain, Muhammad Mamdani, Jack V. Tu, Gustavo Saposnik, Konrad Salata, Deepak L. Bhatt, Subodh Verma, Mohammed Al‐Omran

Notice bibliographique

RevueJournal of Vascular Surgery · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebrovascular and Carotid Artery Diseases
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreInstitute for Clinical Evaluative SciencesUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesEisaiUniversity of TorontoOntario Ministry of Health and Long-Term CareMedicines CompanyAmarin CorporationIronwood Pharmaceuticals, IncorporatedInstitute for Clinical Evaluative SciencesSanofiAmgenPfizerAstraZenecaEli Lilly and CompanyBristol-Myers Squibb
Mots-clésMedicineCarotid endarterectomyCarotid stentingEndarterectomyStroke (engine)Odds ratioSpecialtyPopulationConfidence intervalSurgeryRevascularizationInternal medicineCardiologyRadiologyStenosisMyocardial infarction

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the association between operator specialty and 30-day outcomes among patients undergoing carotid endarterectomy and carotid artery stenting. METHODS: We conducted a population-based, observational cohort study of all individuals who underwent carotid endarterectomy or stenting in Ontario, Canada (population, 13.6 million) between April 1, 2002, and March 1, 2015, using administrative claims databases. We stratified endarterectomy and stenting patients according to operator specialty, and followed them for 30 days after the procedure. For carotid endarterectomy, we compared outcomes between vascular surgeons and nonvascular surgeons. For carotid artery stenting, we compared outcomes between radiologists and neurosurgeons. We built multilevel multivariable logistic regression models adjusted for patient demographics, comorbidities, carotid artery symptom status, and annual institutional and operator volume to examine rates of 30-day stroke or death. RESULTS: A total of 16,544 patients were studied (n = 14,301 endarterectomy and n = 2243 stenting). Vascular surgeons performed the majority (55.7%) of carotid endarterectomy procedures, followed by neurosurgeons (21.0%), general surgeons (15.3%), and cardiac surgeons (7.9%). Radiologists (82.5%) and neurosurgeons (17.5%) performed carotid artery stenting. In the endarterectomy group, the risk of stroke or death was higher among patients treated by nonvascular surgeons (4.0%) compared with vascular surgeons (2.9%; adjusted odds ratio [OR], 1.32; 95% confidence interval [CI], 1.08-1.62; P = .008). This difference was driven by a higher rate of stroke among nonvascular surgery-treated patients (3.6%) compared with vascular surgery-treated patients (2.5%; adjusted OR, 1.38; 95% CI, 1.11-1.71). The risk of death was similar between the two groups. With respect to specific nonvascular surgery specialties, the rate of 30-day stroke or death was higher in endarterectomy patients treated by neurosurgeons (4.1%; adjusted OR, 1.27; 95% CI, 1.00-1.61) and cardiac surgeons (4.4%; adjusted OR, 1.54; 95% CI, 1.04-2.30) compared with vascular surgeons (2.9%). Patients who underwent carotid artery stenting by radiologists vs neurosurgeons experienced 30-day stroke or death at similar rates (8.0% vs 7.9%, respectively; adjusted OR, 1.07; 95% CI, 0.66-1.74; P = .79). CONCLUSIONS: The risk for periprocedural stroke or death was significantly higher among carotid endarterectomy patients treated by nonvascular surgeons (neurosurgeons and cardiac surgeons) compared with vascular surgeons. Operator specialty did not seem to have a significant effect on periprocedural outcomes among patients who underwent carotid artery stenting. These results can have implications for physician referral practices and local policies.

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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,254
Écart entre enseignants0,241 · 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

Citations24
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Vascular SurgeryMême sujetCerebrovascular and Carotid Artery DiseasesTravaux en français237 207