Non-English Primary Language
Notice bibliographique
Résumé
OBJECTIVE: To examine access to cholecystectomy and postoperative outcomes among non-English primary-speaking patients. BACKGROUND: The population of U.S. residents with limited English proficiency is growing. Language affects health literacy and is a well-recognized barrier to health care in the United States of America. Historically marginalized communities are at greater risk of requiring emergent gallbladder operations. However, little is known about how primary language affects surgical access and outcomes of common surgical procedures, such as cholecystectomy. METHODS: We conducted a retrospective cohort study of adult patients after receipt of cholecystectomy in Michigan, Maryland, and New Jersey utilizing the Healthcare Cost and Utilization Project State Inpatient Database and State Ambulatory Surgery and Services Database (2016-2018). Patients were classified by primary spoken language: English or non-English. The primary outcome was admission type. Secondary outcomes included operative setting, operative approach, in-hospital mortality, postoperative complications, and length of stay. Multivariable logistics and Poisson regression were used to examine outcomes. RESULTS: Among 122,013 patients who underwent cholecystectomy, 91.6% were primarily English speaking and 8.4% were non-English primary language speaking. Primary non-English speaking patients had a higher likelihood of emergent/urgent admissions (odds ratio: 1.22, 95% CI: 1.04-1.44, P = 0.015) and a lower likelihood of having an outpatient operation (odds ratio: 0.80, 95% CI: 0.70-0.91, P = 0.0008). There was no difference in the use of a minimally invasive approach or postoperative outcomes based on the primary language spoken. CONCLUSIONS: Non-English primary language speakers were more likely to access cholecystectomy through the emergency department and less likely to receive outpatient cholecystectomy. Barriers to elective surgical presentation for this growing patient population need to be further studied.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».