Clinical and Health System Determinants of Venous Thromboembolism Event Rates After Hip Arthroplasty
Notice bibliographique
Résumé
BACKGROUND: Routinely collected hospital data provide increasing opportunities to assess the performance of health care systems. Several factors may, however, influence performance measures and their interpretation between countries. OBJECTIVE: We compared the occurrence of in-hospital venous thromboembolism (VTE) in patients undergoing hip replacement across 5 countries and explored factors that could explain differences across these countries. METHODS: We performed cross-sectional studies independently in 5 countries: Canada; France; New Zealand; the state of California; and Switzerland. We first calculated the proportion of hospital inpatients with at least one deep vein thrombosis (DVT) or pulmonary embolism by using numerator codes from the corresponding Patient Safety Indicator. We then compared estimates from each country against a reference value (benchmark) that displayed the baseline risk of VTE in such patients. Finally, we explored length of stay, number of secondary diagnoses coded, and systematic use of ultrasound to detect DVT as potential factors that could explain between-country differences. RESULTS: The rates of VTE were 0.16% in Canada, 1.41% in France, 0.84% in New Zealand, 0.66% in California, and 0.37% in Switzerland, while the benchmark was 0.58% (95% confidence interval, 0.35-0.81). Factors that could partially explain differences in VTE rates between countries were hospital length of stay, number of secondary diagnoses coded, and proportion of patients who received lower limb ultrasound to screen for DVT systematically before hospital discharge. An exploration of the French data showed that the systematic use of ultrasound may be associated with over detection of DVT but not pulmonary embolism. CONCLUSIONS: In-hospital VTE rates after arthroplasty vary widely across countries, and a combination of clinical, data-related, and health system factors explain some of the variations in VTE rates across countries.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».