The Preventable Shunt Revision Rate: A Multicenter Evaluation
Notice bibliographique
Résumé
BACKGROUND: The Preventable Shunt Revision Rate (PSRR) was recently introduced as a novel quality metric. OBJECTIVE: To evaluate the PSRR across multiple centers and determine associated variables. METHODS: Nine participating centers in North America provided at least 2 years of consecutive shunt operations. Index surgery was defined as new shunt implantation, or revision of an existing shunt. For any index surgery that resulted in a reoperation within 90-days, index surgery information (demographic, clinical, and procedural) was collected and a decision made whether the failure was potentially preventable. The 90-day shunt failure rate and PSRR were calculated per institution and combined. Bivariate analyses were performed to evaluate individual effects of each independent variable on preventable shunt failure followed by a final multivariable model using a backward model selection approach. RESULTS: A total of 5092 shunt operations were performed; 861 failed within 90 days of index operation, resulting in a 16.9% combined 90-day shunt failure rate and 17.6% median failure rate (range, 8.7%-26.9%). Of the failures, 307 were potentially preventable (overall and median 90-day PSRR, 35.7% and 33.9%, respectively; range, 16.1%-55.4%). The most common etiologies of avoidable failure were infection (n = 134, 44%) and proximal catheter malposition (n = 83, 27%). Independent predictors of preventable failure (P < .05) were lack of endoscopy (odds ratio [OR] = 2.26), recent shunt infection (OR = 3.65), shunt type (OR = 2.06) and center. CONCLUSION: PSRR is variable across institutions, but can be 50% or higher. While the PSRR may never reach zero, this study demonstrates that overall about a third of early failures are potentially preventable.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 0,001 |
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 ».