A Geographic Population-level Analysis of Access to Total Shoulder Arthroplasty in the State of Texas
Notice bibliographique
Résumé
INTRODUCTION: Managing costs and improving access to care are two important goals of healthcare policy. The purposes of this study were to (1) evaluate the changes in distribution of total shoulder arthroplasty (TSA) cases in the state of Texas from 2010 to 2015 and (2) to evaluate patient access to TSA surgery centers as measured by driving miles. METHODS: Inpatient (IP) and outpatient (OP) records were obtained from 2010 to 2015 from the Texas Department of State Health Services. All primary elective anatomic or reverse TSAs for patients with Texas-based home residence zip codes were included. Driving miles between patient zip codes and their chosen TSA surgery centers were estimated, and the results were compared between IP (high-volume [HV-IP] or low-volume [LV-IP]) and OP centers. Paired student t-tests, multivariate regressions, and mixed-model analysis of variance (ANOVA) were performed for volume comparisons, interactions between TSA centers types, and yearly trend data, respectively. RESULTS: Between 2010 and 2015, a total of 21,092 TSA procedures were performed across 321 surgery centers in the state of Texas (19,629 IP [93.1%] and 1,463 OP [6.9%]). During this time, the cumulative volume of IP TSA per 100,000 Texas residents increased by 109.1%, whereas the cumulative volume of OP TSA increased by 143.7%. Approximately 85.5% of included patients resided within 50 miles of any TSA surgery center; however, only 47.0% of the total Texas population resided within 50 miles of any TSA surgery center. This relationship remained true at every time point irrespective of their volume designations (OP, IP, HV-IP, and LV-IP). CONCLUSION: Despite the overall increase in TSA volume over time, the majority all TSA utilization in the state of Texas occurred in patients who resided within 50 miles of a TSA center. Increasing volume seems to reflect concentration of care into HV-IP and OP centers. Strategies to improve access to TSA care for underserved areas should be considered. LEVEL OF EVIDENCE: Level II.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».