July Effect in Obstetric Outcomes
Notice bibliographique
Résumé
OBJECTIVE: The July effect represents the month when interns begin residency and residents advance with increased responsibility. This has not been well studied in Obstetrics and Gynecology residencies and no study has been conducted evaluating obstetric outcomes. The purpose of this study was to evaluate the July effect on obstetric outcomes. Women who delivered between July and September (quarter 1) were compared to those delivering between April and June (quarter 4). METHODS: This retrospective cohort study compared outcomes of deliveries between quarter 1 and quarter 4 from 2017 to 2020. Outcomes evaluated were postpartum length of stay (LOS), postpartum readmission, wound complication, wound infection, blood transfusion, estimated blood loss, 3rd and 4th degree lacerations, 5 min APGAR scores, and cesarean delivery rates. RESULTS: There were 3693 deliveries in quarter 1 and 3107 deliveries in quarter 4. There was a higher incidence Of wound infection during the April-June period (N = 21; 0.68%) compared to July-September (N = 10; 0.27%; p = 0.0135). Although LOS for both periods were the same, the average postpartum LOS during July-September was slightly longer than April-June (1.7 days; SD = 1.1 vs 1.6 days; SD = 1.2; p = 0.0026). All other pregnancy outcomes were similar between the two groups. CONCLUSION: Overall, the July effect is minimal on obstetric complications. However, LOS between July and September may differ because all residents are less experienced in quarter 1. Wound infection rates were higher in April-June, perhaps because new PGY-1s went from assisting to primary on cesarean surgeries starting in the 4th quarter of the year.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».