Prioritization of patients for surgery in Canada: The case of hip and knee replacement surgeries in Newfoundland
Notice bibliographique
Résumé
Background: Single-entry models (SEM) improve wait times for hip and knee replacement, but little is known whether prioritization implemented in SEM can help meet the benchmarks for consolation/surgery. This study aimed to determine the impact of prioritization on receiving consultation and surgery within the benchmarks. Methods: This is a retrospective cohort study for which two administration databases were linked. Logistic regression was used to investigate the impact of prioritization on receiving consultations and surgery within the benchmarks of 90 and 182 days, respectively, adjusting for patients' characteristics and preference for surgeon. Results: 1,967 patients were included in this study. The odds ratios of having consultation within 90 days for hip replacement patients in priorities 1 and 2 (high priority) were 57.24 (CI: 23.16-141.47) and 14.63 (CI: 6.44-33.25), respectively, compared with those in priority 3. For knee replacement, patients with higher priority were more likely to have consultation within 90 days. Although priority levels were not related to having surgery within 182 days for knee replacement, hip replacement patients with priority 1 (CI: 0.2-0.75) and 2 (CI: 0.16-0.54) were less likely to have surgery within 182 days, compared with those with priority 3. Conclusion: Patients with high priority levels were more likely to have consultation within 90 days for hip and knee replacements. SEM may not help have surgery within 182 days. Prioritization has no impact on receiving surgery within 182 days for knee replacement, but hip replacement patients with high priority were less likely to have surgery within 182 days.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».