Impact of surgeon and hospital factors on length of stay after colorectal surgery systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Although length of stay (LOS) after colorectal surgery (CRS) is associated with worse patient and system level outcomes, the impact of surgeon and hospital-level factors on LOS after CRS has not been well investigated. The aim of this study was to synthesize the evidence for the impact of surgeon and hospital-level factors on LOS after CRS. METHODS: A comprehensive database search was conducted using terms related to LOS and CRS. Studies were included if they reported the effect of surgeon or hospital factors on LOS after elective CRS. The evidence for the effect of each surgeon and hospital factor on LOS was synthesized using vote counting by direction of effect, taking risk of bias into consideration. RESULTS: A total of 13 946 unique titles and abstracts were screened, and 69 studies met the inclusion criteria. All studies were retrospective and assessed a total of eight factors. Surgeon factors such as increasing surgeon volume, colorectal surgical specialty, and progression along a learning curve were significantly associated with decreased LOS (effect seen in 87.5 per cent, 100 per cent, and 93.3 per cent of studies respectively). In contrast, hospital factors such as hospital volume and teaching hospital status were not significantly associated with LOS. CONCLUSION: Provider-related factors were found to be significantly associated with LOS after elective CRS. In particular, surgeon-related factors related to experience specifically impacted LOS, whereas hospital-related factors did not. Understanding the mechanisms underlying these relationships may allow for tailoring of interventions to reduce LOS.
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle