MétaCan
Menu
Retour à la cohorte
Enregistrement W3114144348 · doi:10.1136/wjps-2020-000195

Impact of distance on postoperative follow-up in patients of pediatric surgery: a retrospective review

2020· review· en· W3114144348 sur OpenAlexafffundabout
M. Wiebe, Anna C. Shawyer

Notice bibliographique

RevueWorld Journal of Pediatric Surgery · 2020
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensChildren's Hospital Research Institute of ManitobaUniversity of Manitoba
Organismes subventionnairesUniversity of Manitoba
Mots-clésMedicineAttendancePediatricsRetrospective cohort studyGeneral surgeryEmergency medicineSurgery

Résumé

récupéré en direct d'OpenAlex

Objective: Centralization of medical services in Canada has resulted in patients travelling long distances for healthcare, which may compromise their health. We hypothesized that children living farther from a children's hospital were offered and attended fewer follow-up appointments. Methods: We reviewed children less than 17 years of age referred to the general surgery clinic at a tertiary children's hospital during a 2-year period who underwent surgery. Descriptive statistics were performed. Results: We identified 723 patients. The majority were male (61%) with a median age of 7 years (range 18 days to16 years) and were from the major urban center (MUC) (56.3%). The median distance travelled to hospital for MUC patients was 8.9 km (range 0.9-22 km) vs 119.5 km (range 20.3-1950 km) for non-MUC patients. MUC children were offered more follow-up appointments (72.7% vs 60.8%, p<0.05). No significant differences existed in follow-up attendance rates (MUC 88.5% vs non-MUC 89.1%, p=0.84) or postoperative complications (9.8% vs 9.2%, p=0.78). There were no deaths. Conclusions: Patients living farther from a hospital were offered fewer follow-up appointments, but attended an equivalent rate of follow-ups when offered one. Telemedicine and remote follow-up are underused approaches that can permit follow-up appointments while reducing associated travel time and expenses.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,092
Tête enseignante GPT0,424
Écart entre enseignants0,333 · 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'étudeObservationnel
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Pediatric SurgeryMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207