Cancer surgery cancellation: incidence, outcomes and recovery in a universal health care system
Notice bibliographique
Résumé
<h3>Background:</h3> Cancer surgery cancellation can have negative consequences for the patient, the surgeon and the health care system. There is a paucity of literature on cancer surgery cancellation and its association with wait times, perioperative outcomes, survival and costs of care. Therefore, the objective of this study was to determine the incidence of same-day cancer surgery cancellation in a universal health care context and its association with short and long-term outcomes. <h3>Methods:</h3> This was a population-based retrospective cancer cohort study in Ontario, Canada (2010–2016). There were 199 599 patients in the control cohort and 3539 patients in the cohort that experienced a cancellation. We assessed the cohorts for differences in survival, perioperative complications and costs of care. <h3>Results:</h3> The overall cancellation rate was 1.74% and was predicted by cancer type (genitourinary), lower income quintile, and more central region of residence. Wait times in the cancelled cohort were longer than in the control cohort; however, this difference was not associated with worse survival outcomes. Patients in the cancelled cohort had higher complication rates while in hospital (7.3 %) than those in the control cohort (4.9%; <i>p</i> < 0.01). After adjusting for important confounders, the cancelled cohort was more costly ($1100). <h3>Conclusion:</h3> Same-day cancer surgery cancellation rates were low. They were associated with longer wait times, higher complication rates and increased costs of care. Survival was not worse in the cancelled cohort, suggesting that appropriate cancer urgency prioritization occurs. Preventable causes of cancellation should be targeted to improve outcomes in patients with cancer.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».