Primary Care Provider Density and Elective Total Joint Replacement Outcomes.
Notice bibliographique
Résumé
BACKGROUND: Primary care physicians (PCPs) are often gatekeepers to specialist care. This study assessed the relationship between PCP density and total knee (TKA) and total hip arthroplasty (THA) outcomes. METHODS: We obtained patient-level data from an institutional registry on patients undergoing elective primary TKA and THA for osteoarthritis, including Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) pain and function scores at baseline and 2 years. Using geocoding, we identified the number of PCPs in the patient's census tract (communities). We used Augmented Inverse Probability Weighting and Cross-validated Targeted Minimum Loss-Based Estimation to compare provider density and outcomes adjusting for potential confounders. RESULTS: Our sample included 3606 TKA and 4295 THA cases. The median number of PCPs in each community was similar for both procedures: TKA 2 (interquartile range 1, 6) and for THA 2 (interquartile range 1, 7). Baseline and 2-year follow-up WOMAC pain, function, and stiffness scores were not statistically significantly different comparing communities with more than median number of PCPs to those with less than median number of PCPs. In sensitivity analyses, adding 1 PCP to a community with zero PCPs would not have statistically significantly improved baseline or 2-year follow-up WOMAC pain, function, and stiffness scores. CONCLUSIONS: In this sample of patients who underwent elective TKA or THA for osteoarthritis, we found no statistically significant association between PCP density and pain, function, or stiffness outcomes at baseline or 2 years. Further studies should examine what other provider factors affect access and outcomes in THA and TKA.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».