Seasonal variations in pancreatic surgery outcome A retrospective time-trend analysis of 2748 Whipple procedures
Notice bibliographique
Résumé
BACKGROUND: Observing cyclic patterns in surgical outcome is a common experience. We aimed to measure this phenomenon and to hypothesize possible causes using the experience of a high-volume pancreatic surgery department. METHODS: Outcomes of 2748 patients who underwent a Whipple procedure at a single high-volume center from January 2000 to December 2018 were retrospectively analyzed. Three different hypotheses were tested: the effect of climate changes, the "July effect" and the effect of vacations. RESULTS: Clavien-Dindo ≥ 3 morbidity was similar during warm vs. cold months (22.5% vs. 19.8%, p = 0.104) and at the beginning of activity of new trainees vs. the rest of the year (23.5 vs. 22.5%, p = 0.757). Patients operated when a high percentage of staff is on vacation showed an increased Clavien-Dindo ≥ 3 morbidity (22.3 vs. 18.5%, p = 0.022), but similar mortality (2.3 vs. 1.8%, p = 0.553). The surgical waiting list was also significantly longer during these periods (37 vs. 27 days, p = 0.037). Being operated in such a period of the year was an independent predictor of severe morbidity (OR 1.271, CI 95% 1.086-1.638, p = 0.031). CONCLUSION: Being operated when more staff is on vacation significantly affects severe morbidity rate. Future healthcare system policies should prevent the relative shortage of resources during these periods.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».