The Cost of the “July Effect” in Microsurgery
Notice bibliographique
Résumé
The existence of the "July effect," or the idea that the new academic year intrinsically has an increased complication rate is evaluated in microsurgical free tissue transfer procedures. The National Surgical Quality Improvement Program registry was queried for all free flap procedures performed between 2005 and 2016 (n = 3405). Cases were grouped as having occurred in the first academic quarter (Q1: July 1-September 30) or fourth quarter (Q4: April 1-June 30). Demographical data and complications were compared using univariate χ analysis, multivariate logistic regression was used to control for confounding variables, and inpatient stay and operating cost estimates were created. Of a total of 1722 cases, 905 were performed in the first academic quarter and 817 were performed in the fourth academic quarter. There was no significant difference between Q1 and Q4 in readmission rate (P = 0.378) or reoperation rate (P = 0.730). Patients in Q1 had significantly longer operative times (P = 0.001) and length of stay (P = 0.002) compared with those in Q4. In addition, cost of inpatient stay and operating costs associated with each free flap were significantly increased in Q1 compared with Q4 (P = 0.029; P = 0.001). The total cost per quarter for free flaps was also significantly more expensive in Q1 vs Q4, with the highest average difference in cost of $350,010.64 (P = 0.001). Having surgery early in the academic year does not put patients at any increased risk for major complications but is associated with increased operating time, length of stay, and total cost.
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 | 0,008 |
| 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 ».