MétaCan
Menu
Retour à la cohorte
Enregistrement W3126672045 · doi:10.1017/s0266462320000616

Economic impact of the use of the National Surgical Quality Improvement Program

2021· article· en· W3126672045 sur OpenAlexaffabout
Alvine Fansi, Angela Ly, Julie Mayrand, Maggy Wassef, Aldanie Rho, Sylvie Beauchamp

Notice bibliographique

RevueInternational Journal of Technology Assessment in Health Care · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensMcGill UniversityUniversité LavalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésMedicineQuality managementMEDLINEQuality (philosophy)Cost–benefit analysisEmergency medicineOperations management

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The American College of Surgeons National Surgical Quality Improvement Program (ACS NSQIP®) is a validated, risk-adjusted database for improving the quality and security of surgical care. ACS NSQIP can help participating hospitals target areas that need improvement. The aim of this study was to systematically review the literature analyzing the economic impact of using NSQIP. This paper also provides an estimation of annual cost savings following the implementation of NSQIP and quality improvement (QI) activities in two hospitals in Quebec. METHODS: In June 2018, we searched in seven databases, including PubMed, Embase, and NHSEED for economic evaluations based on NSQIP data. Contextual NSQIP databases from two hospitals were collected and analyzed. A cost analysis was conducted from the hospital care perspective, comparing complication costs before and after 1 year of the implementation of NSQIP and QI activities. The number and the cost of complications are measured. Costs are presented in 2018 Canadian dollars. RESULTS: Out of 1,612 studies, 11 were selected. The level of overall evidence was judged to be of moderate to high quality. In general, data showed that, following the implementation of NSQIP and QI activities, a significant decrease in complications and associated costs was observed, which improved with time. In the cost analysis of contextual data, the reduction in complication costs outweighed the cost of implementing NSQIP. However, this cost analysis did not take into account the costs of QI activities. CONCLUSIONS: NSQIP improves complication rates and associated costs when QI activities are implemented.

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)0,019
score de la tête « metaresearch » (Gemma)0,080
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,080
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,120
Tête enseignante GPT0,561
Écart entre enseignants0,441 · 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
GenreEmpirique

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

En bref

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Technology Assessment in Health CareMême sujetPatient Safety and Medication ErrorsTravaux en français237 207