Surgeon Gender-Related Differences in Operative Coding in Plastic Surgery
Notice bibliographique
Résumé
BACKGROUND: Numerous studies in the medical and surgical literature have discussed the income gap between male and female physicians, but none has adequately accounted for the disparity. METHODS: This study was performed to determine whether gender-related billing and coding differences may be related to the income gap. A 10 percent minimum difference was set a priori as statistically significant. A cohort of 1036 candidates' 9-month case lists for the American Board of Plastic Surgery over a 5-year span (2014 to 2018) was evaluated for relationships between surgeon gender and work relative value units, coding information, major and minor cases performed, and work setting. Data were deidentified by the American Board of Plastic Surgery before evaluation. The authors hypothesized that work relative value units, average codes per case, major cases, and minor cases would be at least 10 percent higher for male than for female physicians. RESULTS: Significant differences were found between male and female surgeons in work relative value units billed, work relative value units billed per case, and the numbers of major cases performed. The average total work relative value units for male surgeons was 19.34 percent higher than for female surgeons [3253.2 (95 percent CI, 3090.5 to 3425.8) versus 2624.1 (95 percent CI, 2435.2 to 2829.6)]. Male surgeons performed 14.28 percent more major cases than female surgeons [77.6 percent (95 percent CI, 72.7 to 82.7 percent) versus 90.5 percent (95 percent CI, 86.3 to 94.9 percent); p = 0.0002]. CONCLUSIONS: The authors' findings support the hypothesis that billing and coding practices can, in part, account for income differences between male and female plastic surgeons. Potential explanations include practices focusing on larger and more complex operative cases and differences in coding practices.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».