MétaCan
Menu
Retour à la cohorte
Enregistrement W2762768154 · doi:10.1136/bmjopen-2017-017869

Feasibility of using administrative data for identifying medical reasons to delay hip fracture surgery: a Canadian database study

2017· article· en· W2762768154 sur OpenAlexafffundabout
Pierre Guy, Katie Jane Sheehan, Suzanne N. Morin, James P. Waddell, Michael Dunbar, Edward J. Harvey, Susan Sirett, Boris Sobolev, Lisa Kuramoto, Michael Tang

Notice bibliographique

RevueBMJ Open · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueHip and Femur Fractures
Établissements canadiensVancouver Coastal Health Research InstituteVancouver Coastal HealthDalhousie UniversityUniversity of TorontoMcGill UniversityUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineHip fractureHealth services researchDatabasePublic healthMedical emergencyInternal medicineNursingOsteoporosis

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Failure to account for medically necessary delays may lead to an underestimation of early surgery benefits. This study investigated the feasibility of using administrative data to identify the National Institute for Health and Care Excellence (NICE) 124 guideline list of conditions that appropriately delay hip fracture surgery. METHODS: We assembled a list of diagnosis and procedure codes to reflect the NICE 124 conditions. The list was reviewed and updated by an advanced clinical coder. The list was refined by five clinical experts. We then screened Canadian Institute for Health Information discharge abstracts for 153 918 patients surgically treated for a non-pathological first hip fracture between 1 January 2004 and 31 December 2012 for diagnosis codes present on admission and procedure codes that antedated hip fracture surgery. We classified abstracts as having medical reasons for delaying surgery based on the presence of these codes. RESULTS: In total, 10 237 (6.7%; 95% CI 6.5% to 6.8%) patients had diagnostic and procedure codes indicating medical reasons for delay. The most common reasons for medical delay were exacerbation of a chronic chest condition (35.9%) and acute chest infection (23.2%). The proportion of patients with reasons for medical delays increased with time from admission to surgery: 3.9% (95% CI 3.6% to 4.1%) for same day surgery; 4.7% (95% CI 4.5% to 4.8%) for surgery 1 day after admission; 7.1% (95% CI 6.9% to 7.4%) for surgery 2 days after admission; and 15.5% (95% CI 15.1% to 16.0%) for surgery more than 2 days after admission. The trend was seen for admissions on weekday working hours, weekday after hours and on weekends. CONCLUSION: Administrative data can be considered to identify conditions that appropriately delay hip fracture surgery. Accounting for medically necessary delays can improve estimates of the effectiveness of early surgery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,307
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,589
Tête enseignante GPT0,579
Écart entre enseignants0,010 · 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 tête enseignante, pas un consensus.

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

Citations20
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetHip and Femur FracturesTravaux en français237 207