Utilization and Outcomes for Spine Surgery in the United States and Canada
Notice bibliographique
Résumé
STUDY DESIGN: A retrospective cohort study. OBJECTIVE: The aim of this study was to examine variation in spine surgery utilization between the province of Ontario and state of New York among all patients and pre-specified patient subgroups. SUMMARY OF BACKGROUND DATA: Spine surgery is common and costly. Within-country variation in utilization is well studied, but there has been little exploration of variation in spine surgery utilization between countries. METHODS: We used population-level administrative data from Ontario (years 2011-2015) and New York (2011-2014) to identify all adults who underwent inpatient spinal decompression or fusion surgery using relevant procedure codes. Patients were stratified according to age and surgical urgency (elective vs. emergent). We calculated standardized utilization rates (procedures per-10,000 population per year) for each jurisdiction. We compared Ontario and New York with respect to patient demographics and the percentage of hospitals performing spine surgery. We compared utilization rates of spinal decompression and fusion surgery in Ontario and New York among all patients and after stratifying by surgical urgency and patient age. RESULTS: Patients in Ontario were older than patients in New York for both decompression (mean age 58.8 vs. 51.3 years; P < 0.001) and fusion (58.1 vs. 54.9; P < 0.001). A smaller percentage of hospitals in Ontario than New York performed decompression (26.1% vs. 54.9%; P < 0.001) or fusion (15.2% vs. 56.7%; P < 0.001). Overall, utilization of spine surgery (decompression plus fusion) in Ontario was 6.6 procedures per-10,000 population per-year and in New York was 16.5 per-10,000 per-year (P < 0.001). Ontario-New York differences in utilization were smaller for emergent cases (2.0 per 10,000 in Ontario vs. 2.5 in New York; P < 0.001), but larger for elective cases (4.6 vs. 13.9; P < 0.001). The lower utilization in Ontario was particularly large among younger patients (age <60 years). CONCLUSION: We found significantly lower utilization of spine surgery in Ontario than in New York. These differences should inform policy reforms in both jurisdictions. LEVEL OF EVIDENCE: 3.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 | 0,000 |
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 ».