The impact of surgical volume on perioperative safety after urethroplasty: a population-based study
Notice bibliographique
Résumé
BACKGROUND: The aim of the study was to assess whether the risk of perioperative complications after urethroplasty was affected by hospital annual surgical volume (ASV). METHODS: In the Nationwide Inpatient Sample, we searched for patients who underwent urethroplasty between 2001 and 2015. Hospitals were categorized into empirically determined tertiles, according to ASV of performed urethroplasties and divided into low (<3) (LVC), intermediate (3-19) (IVC) and high (>20) volume centers (HVC). Multivariable logistic regression (MLR) analyses examined the effect of ASV on perioperative complications and on four specific sub-types of post-operative complications. RESULTS: A weighted estimate of 39 912 patients underwent urethroplasty in the US. 34.9% were operated in HVC, while the rate of performed urethroplasties increased in LVC and decreased in HVC. Overall, 1.1%, 18.8% and 2.1% patients respectively experienced intraoperative, post-operative, and transfusions complications. At MLR, IVC and LVC were associated with higher risk of both intraoperative (IVC: OR 2.65, P=0.0008; LVC: OR 4.98, P<0.0001), post-operative (IVC: OR 1.14, P=0.01; LVC: OR 1.26, P=0.001) and transfusions complications (IVC: OR 1.85, P<0.001; LVC: OR 3.03, P=0.01). LVC was also associated with higher risk of hematuria (OR 3.77), urinary infections (OR 1.60) and sepsis (OR 2.83) complications. CONCLUSIONS: Approximately 65% of patients were operated in IVC and LVC, and patients treated in IVC or LVC had higher risk of developing both intra and post-operative complications. These data provide important indicators for policy makers to categorize institution based on urethroplasty 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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».