57 Safety and Cost Effectiveness of Outpatient Surgery in Acute Burn Care
Notice bibliographique
Résumé
Abstract Introduction Outpatient burn surgery is increasingly utilized for delivery of acute burn care. Reports of its safety and efficacy are limited. The purpose of our study was to evaluate the safety and cost reduction associated with outpatient burn surgery and to describe our centre’s experience. Methods This was a single centre, retrospective cohort study of consecutive patients who underwent outpatient acute burn surgery requiring split thickness skin graft or dermal regenerative template from January 2010 - December 2018. Patients with insufficient follow up to evaluate operative site healing were excluded. Patient demographics, comorbidities, burn etiologies, operative data and postoperative care were reviewed. The primary outcome is complication involving major graft loss requiring reoperation. Results 165 patients and 173 procedures met the inclusion criteria. The average age was 44 years and 60.6% (100/165) were male. The number of annual outpatient procedures increased 48% from 23 to 34 cases over the 9-year period. The mean grafted total body surface area was 1.0 ± 0.9%. Rate of major graft loss requiring reoperation was 5.2% (9/172). Greater than 95% graft take was achieved in 80.9% of patients. Age, sex, co-morbidities, total body surface area, and procedure types were not significantly associated with postoperative complication rate. Outpatient burn surgery model was estimated to save CA$7,875 per patient from inpatient costs. This extrapolates to a total of over CA$1.36 million in savings over the 9-year study period. Conclusions Acute burn care at our centre is increasingly being delivered through an outpatient day surgery model. Our demonstration of its safety and considerable cost savings is compelling for further utilization. Our experience found the adoption of improved dressing care, appropriate patient selection, increased patient education, adequate pain control, and regimented outpatient multidisciplinary care to be fundamental for effective outpatient surgical burn care.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».