Overall Volume Trends in Esophageal Cancer Surgery Results From the Dutch Upper Gastrointestinal Cancer Audit
Notice bibliographique
Résumé
OBJECTIVE: In the pursuit of quality improvement, this study aimed to investigate volume-outcome trends in oncologic esophagectomy in the Netherlands. SUMMARY OF BACKGROUND DATA: Concentration of Dutch esophageal cancer care was dictated by introducing an institutional minimum of 20 resections/yr. METHODS: This nationwide cohort study included all esophagectomy patients registered in the Dutch Upper Gastrointestinal Cancer Audit in 2016-2019 from hospitals currently still performing esophagectomies. Annual esophagectomy hospital volume was assigned to each patient and categorized into quartiles. Multivariable logistic regression investigated short-term surgical outcomes. Restricted cubic splines investigated if volume-outcome relationships eventually plateaued. RESULTS: In 16 hospitals, 3135 esophagectomies were performed. First volume quartile hospitals performed 24-39 resections/yr; second, third, and fourth quartile hospitals performed 40-53, 54-69, and 70-101, respectively. Compared to quartile 1, in quartiles 2 to 4, overall/severe/technical complication, anastomotic leakage, and prolonged hospital/intensive care unit stay rates were significantly lower and textbook outcome and lymph node yield were higher. When raising the cut-off from the first to second quartile, higher-volume centers had less technical complications [Adjusted odds ratio (aOR): 0.82, 95% confidence interval (CI): 0.70-0.96], less anastomotic leakage (aOR: 0.80, 95% CI: 0.66-0.97), more textbook outcome (aOR: 1.25, 95% CI: 1.07-1.46), shorter intensive care unit stay (aOR: 0.80, 95% CI: 0.69-0.93), and higher lymph node yield (aOR: 3.56, 95% CI: 2.68-4.77). For most outcomes the volume-outcome trend plateaued at 50-60 annual resections, but lymph node yield and anastomotic leakage continued to improve. CONCLUSION: Although this study does not reflect on individual hospital quality, there appears to be a volume trend towards better outcomes in high-volume centers. Projects have been initiated to improve national quality of care by reducing hospital variation (irrespective of volume) in outcomes in The Netherlands.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 tête enseignante, 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 ».