385. HOSPITAL COSTS OF POSTOPERATIVE ADVERSE EVENTS FOLLOWING ESOPHAGECTOMY: RESULTS FROM 10 CANADIAN INSTITUTIONS
Notice bibliographique
Résumé
Abstract Background Surgical resection plays a central role in the multimodal curative intent management of esophageal cancer. Despite advances in peri-operative care, 60% of patients undergoing esophagectomy experience postoperative adverse events (AEs), if AEs are prospectively collected by surgeons. We recently performed a systematic review documenting the published index hospital costs of AEs, yet the overall costs of AEs in Canadian esophageal centres remains unknown. Methods Between 2017–2021, prospectively collected data from 10 Canadian esophageal centres were included. Volumes of esophagectomy, incidence of postoperative AEs (anastomotic leak (AL), pneumonia, respiratory failure), graded using the Ottawa TM&M system [ottawatmm.org], and obtained from 2 Canadian Association of Thoracic Surgeons (CATS) National Positive Deviance Seminars were included. Using literature-derived index hospitalization costs of AEs, estimates of annual costs were obtained (2023 Cdn$). Results Data from 795 esophagectomies performed in Canada between 2017–2019 revealed an average AL rate of 15% (8.7–22%). This led to an estimated yearly hospital cost of $6.63 M. Additional data from 863 esophagectomies performed between 2018–2021 revealed an average yearly pneumonia rate of 10.2% (2.4–20.3%)., with an estimated cost of $1.44 M, and respiratory failure (requiring ICU admission) of 7.8% (0–13.8%), with an estimated cost of $1.83 M. When all 10 centres are combined, these 3 AEs equate to over $9.9 M in hospital expenditures/year. A 1% reduction/year in the 3 AEs would lead to a cost-savings of $816,738. Conclusion Our analysis of only 3 post-operative AEs highlights the staggering costs to hospitals across Canada individually, and collectively, and emphasizes the need to support value-based QI research. Direct financial support from hospitals to support value-based QI in esophageal surgery has the potential to simultaneously improve care and provide valuable cost savings.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,008 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».