Orthopedic and ophthalmology surgical service projection modelling in Manitoba: Research approach for a data linkage study
Notice bibliographique
Résumé
Background: The healthcare system in Manitoba, Canada has faced long wait times for many surgical procedures and investigations, including orthopedic and ophthalmology surgeries. Wait times for surgical procedures is considered a significant barrier to accessing healthcare in Canada and can have negative health outcomes for patients. We developed models to forecast anticipated surgical procedure demands up to 2027. This paper explores the opportunities and challenges of using administrative data to describe forecasts of surgical service delivery. Methods: This study used whole population linked administrative health data to predict future orthopedic and ophthalmology surgical procedure demands up to 2027. Procedure codes (CCI) from hospital discharge abstracts and medical claims data were used in the modelling. A Seasonal Autoregressive Integrated Moving Average model provided the best fit to the data from April 1, 2004 to March 31, 2020. Results: Initial analyses of only hospital-based procedures excluded a significant portion of provider workload, namely those services provided in clinics. We identified 500,732 orthopedic procedures completed between April 1, 2004 and March 31, 2020 (349,171 procedures identified from hospital discharge abstracts and 151,561 procedures from medical claims). Procedure volumes for these services are expected to rise 17.7% from 2020 (36,542) to 2027 (43,011), including the forecasted 43.9% increase in clinic-based procedures. Of the 660,127 ophthalmology procedures completed between April 1, 2004 and March 31, 2020, 230,717 procedures were identified from hospital discharge abstracts and 429,410 from medical claims. Models forecasted a 27.7% increase from 2020 (69,598) to 2027 (88,893) with most procedures being performed in clinics. Conclusion: Researchers should consider including multiple datasets to add information that may have been missing from the presumed data source in their research approach. Confirming the completeness of the data is critical in modelling accurate predictions. Forecast modelling techniques have evolved but still require validation.
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 | 0,019 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».