MétaCan
Menu
Retour à la cohorte
Enregistrement W3193735431 · doi:10.1097/sla.0000000000005174

Improving Surgical Quality for Patients With Mental Illnesses

2021· article· en· W3193735431 sur OpenAlexaff

Notice bibliographique

RevueAnnals of Surgery · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueHealthcare Decision-Making and Restraints
Établissements canadiensUniversity of CalgaryUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPerioperativeQuality (philosophy)MEDLINEMental healthMedical diagnosisSurgical proceduresAdverse effect

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The aim of this study was to identify disparities in care for surgical patients with preexisting mental health diagnoses. SUMMARY BACKGROUND DATA: Mental illness affects approximately 6.7 million Canadians. For them, stigma, comorbid disorders, and sequelae of psychiatric diagnoses can be barriers to equitable health care. The goal of this review is to define inequities in surgical care for patients with preexisting mental illness. METHODS: We searched OVID Medline, Pubmed, EMBASE, and the Cochrane review files using a combination of search terms using a PICO (population, intervention, comparison, outcome) model focusing on surgical care for patients with mental illness. RESULTS: The literature on mental illness in surgical patients focused primarily on preoperative and postoperative disparities in surgical care between patients with and without a diagnosis of mental illness. Preoperatively, patients were 7.5% to 40% less likely to be deemed surgical candidates, were less likely to receive testing, and were more likely to present at later stages of their disease or have delayed surgical care. Similar themes arose in the postoperative period: patients with mental illness were more likely to require ICU admission, were up to 3 times more likely to have a prolonged length of hospital stay, had a 14% to 270% increased likelihood of having postoperative complications, and had significantly higher health care costs. CONCLUSIONS: Surgical patients with preexisting psychiatric diagnoses have a propensity for worse perioperative outcomes compared to patients without reported mental illness. Taking a thorough psychiatric history can potentially help surgical teams address disparities in access to care as well as anticipate and prevent adverse outcomes.

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)0,005
score de la tête « metaresearch » (Gemma)0,040
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 enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,296
Tête enseignante GPT0,466
Écart entre enseignants0,170 · 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of SurgeryMême sujetHealthcare Decision-Making and RestraintsTravaux en français237 207