The Impact of the COVID-19 Pandemic on Wait-Times for Ophthalmic Surgery in Ontario, Canada: A Population-Based Study
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
Objective: To investigate the effects of the COVID-19 pandemic on case volumes and wait-times for ophthalmic surgery in Ontario, Canada. Design: Population-based retrospective cohort study. Participants: Patients undergoing ophthalmic surgery in Ontario, Canada, from 2010 to 2021, collected from the Ontario Health Wait Times Information System (WTIS) database. Methods: The WTIS contains non-emergent surgical case volume and wait-time data for six ophthalmic subspecialty surgery types, three priority levels (low, medium, high) and 14 different regions in Ontario. Case volume and wait-times were compared between the COVID-19 pandemic (2020-2021) and the preceding time period (2010-2019) across all stratifications. Results: There was a significant decrease in case volumes and significant increase in wait-times across geographic regions, priority levels, and subspecialty surgeries from the pre-pandemic to pandemic period. Moreover, COVID-19 exacerbated pre-existing wait-time disparities between sexes, with females waiting 4.1 days longer than males overall to receive surgery in 2010-2019 compared to waiting 8.8 days longer in 2020-2021 (117% increase). Conclusion: These findings highlight the impact of the COVID-19 pandemic on ophthalmic surgical wait times in Ontario. Cataract, strabismus and oculoplastic surgeries, the Waterloo Wellington, Central, and South East regions of Ontario, and those with female sex had the greatest relative increases in wait-times during the pandemic.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 découle