Cancellation of Surgeries by the Patient, Doctor or Institution: An Approach to Legal Ethical Aspects
Notice bibliographique
Résumé
INTRODUCTION: The cancellation of surgery represents a dilemma in establishing relatively adequate cancellation rates according to the factor, because each institution and surgical specialty have different dynamics. Objective: Describe the types of factors present for the cancellation of surgeries in a health institution. Colombia (2017-2018). METHODOLOGY: Descriptive, retrospective, cross-sectional study. We reviewed (3339) records of scheduled surgeries from January to December 2017. In 2018 they were reviewed (1733) between January and June. A total of (5072) records of a Third Level Health Institution of the Department of Cesar / Colombia were reviewed. The Neuronal Multilayer Perceptron Network model and the Gini coefficient were applied to determine the most important factor and therefore the inequality between them. RESULTS: In 2017, there was a surgical cancellation rate of 4% of the total number of scheduled surgeries (3339). For the year 2018, the rate was 3% of the total of scheduled surgeries (1733). The most important factor was due to the patient's adverse conditions. The surgical specialties that had the highest number of cancellations were general surgery followed by orthopedics. CONCLUSION: An evaluation of the factors for the cancellation of programmed surgeries with a high coefficient of inequality is described. In addition, the most important factor was related to the patient. Prospective studies by specialty are proposed for the design of solution and monitoring strategies to avoid surgical cancellations.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».