MétaCan
Menu
← Retour à la cohorte
Enregistrement W3014758918 · doi:10.3899/jrheum.190796

Scratching the Surface: Itching for Evidence to Reduce Surgical Health Disparities in Total Shoulder Arthroplasty

2020· letter· en· W3014758918 sur OpenAlexvenueno aff
Shao‐Hsien Liu, Kate L. Lapane

Notice bibliographique

RevueThe Journal of Rheumatology · 2020
Typeletter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealthcare Policy and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMedicaidEpidemiologySocioeconomic statusHealth careRehabilitationPopulationArthroplastySelection biasPublic healthGerontologyFamily medicinePhysical therapyDemographySurgeryEnvironmental healthInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

Total shoulder arthroplasty (TSA) is an effective procedure to improve symptoms, function, and quality of life for patients with different clinical conditions that affect the shoulder1,2. TSA use has been increasing in the United States3,4, but whether the short-term and longterm beneficial effects extend to all recipients is less clear. In this issue of The Journal , research by Singh and Cleveland5 adds to the growing body of literature evaluating the link between socioeconomic status (including insurance and income status) and postsurgical outcomes in patients with TSA. In this study, the authors conclude that public insurance, such as Medicaid and Medicare, were independently associated with more healthcare use (e.g., length of hospitalization and discharge to rehabilitation facilities) and suboptimal clinical outcomes, whereas lower income status was associated with less healthcare use and fewer postsurgical complications after TSA. The findings run counter to their hypothesis. The study offers clear advantages relative to previous research. First, the authors used the National Inpatient Sample (NIS), a nationally representative sample generalizable to all shoulder arthroplasties performed in the United States. This publicly available database with all-payer inpatient care data reduces the likelihood of selection bias that may occur in a single or multisite retrospective design6. The authors combined more than 15 years … Address correspondence to S.H. Liu, Division of Epidemiology, Department of Population and Quantitative Health Sciences, University of Massachusetts Medical School, 368 Plantation St., Worcester, Massachusetts 01605, USA. E-mail: shaohsien.liu{at}umassmed.edu

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,060
score de la tête « metaresearch » (Gemma)0,285
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,319

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,285
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0100,007
Études des sciences et des technologies0,0010,003
Communication savante0,0080,012
Science ouverte0,0050,006
Intégrité de la recherche0,0090,008
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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.

Tête enseignante Opus0,091
Tête enseignante GPT0,328
Écart entre enseignants0,237 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Rheumatology→Même sujetHealthcare Policy and Management→Travaux en français237 207→