Factors affecting mortality after coronary bypass surgery: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: Previous research reports numerous factors of post-operative mortality in patients undergoing isolated coronary artery bypass graft surgery. However, this evidence has not been mapped to the conceptual framework of care improvement. Without such mapping, interventions designed to improve care quality remain unfounded. METHODS: We identified reported factors of in-hospital mortality post isolated coronary artery bypass graft surgery in adults over the age of 19, published in English between January 1, 2000 and December 31, 2019, indexed in PubMed, CINAHL, and EMBASE. We grouped factors and their underlying mechanism for association with in-hospital mortality according to the augmented Donabedian framework for quality of care. RESULTS: We selected 52 factors reported in 83 articles and mapped them by case-mix, structure, process, and intermediary outcomes. The most reported factors were related to case-mix (characteristics of patients, their disease, and their preoperative health status) (37 articles, 27 factors). Factors related to care processes (27 articles, 12 factors) and structures (11 articles, 6 factors) were reported less frequently; most proposed mechanisms for their mortality effects. CONCLUSIONS: Few papers reported on factors of in-hospital mortality related to structures and processes of care, where intervention for care quality improvement is possible. Therefore, there is limited evidence to support quality improvement efforts that will reduce variation in mortality after coronary artery bypass graft surgery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».