MétaCan
Menu
Retour à la cohorte
Enregistrement W2974991377 · doi:10.1097/qmh.0000000000000231

Exploring the Business Case for Improving Quality of Care for Patients With Chronic Rotator Cuff Tears

2019· article· en· W2974991377 sur OpenAlexaffabout
Breda Eubank, J.C. Herbert Emery, Mark R. Lafave, J. Preston Wiley, David M Sheps, Nicholas G. Mohtadi

Notice bibliographique

RevueQuality Management in Health Care · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueShoulder Injury and Treatment
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésRotator cuffConservative managementMedicineTearsHealth careConservative treatmentIntensive care medicineSurgeryPhysical therapy

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVES: Currently, management of patients presenting with chronic rotator cuff tears in Alberta is in need of quality improvements. This article explores the potential impact of a proposed care pathway whereby all patients presenting with chronic rotator cuff tears in Alberta would adopt an early, conservative management plan as the first stage of care; ultrasound investigation would be the preferred tool for diagnosing a rotator cuff tear; and only patients are referred for surgery once conservative measures have been exhausted. METHODS: We evaluate evidence in support of surgery and conservative management, compare care in the current state with the proposed care pathway, and identify potential solutions in moving toward optimal care. RESULTS: A literature search resulted in an absence of indications for either surgical or conservative management. Conservative management has the potential to reduce utilization of public health care resources and may be preferable to surgery. The proposed care pathway has the potential to avoid nearly Can $87 000 in public health care costs in the current system for every 100 patients treated successfully with conservative management. CONCLUSION: The proposed care pathway is a low-cost, first-stage treatment that is cost-effective and has the potential to reduce unnecessary, costly surgical procedures.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,393
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
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 Opus0,094
Tête enseignante GPT0,395
Écart entre enseignants0,301 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuality Management in Health CareMême sujetShoulder Injury and TreatmentTravaux en français237 207