Trends and Themes in the Study of Value in Orthopedic Surgery: A Systematic Review
Notice bibliographique
Résumé
Background: The study of value in orthopedic surgery aims to maximize health outcomes gained per unit cost through various health economic tools but is fragmented across various subspecialties and geographies. Therefore, it is difficult to ascertain whether this research methodology is being used to its full potential across all orthopedic subspecialties and geographies. Purpose: We sought to assess the distribution of prior health economics literature in orthopedic surgery across subspecialties and geographies. The secondary aim was to identify pertinent methodologic trends that may affect the conclusions drawn. Methods: A systematic review utilizing 3 electronic databases (Medline, Embase, and Web of Science) was performed. Inclusion criteria included prior systematic reviews assessing economic analyses across all orthopedic surgery subspecialities published between 2010 and April 24, 2021. The quality of evidence was assessed using the Assessment of Multiple Systematic Review tool. Data were qualitatively analyzed. Results: In the 44 studies included, arthroplasty (36.4%) and spine (31.8%) were the most represented subspecialties. Almost half of studies originated from the United States (45.5%), followed by the United Kingdom (18.2%). Health economic models were most commonly from the perspective of the health care or hospital system (40.5%), followed by the societal perspective (23.5%), and the payer perspective (14.8%). Conclusions: The study of value in orthopedic surgery is not uniformly leveraged across all subspecialties and geographies. Methodologically, the societal perspective was inadequately represented, despite orthopedic pathologies often incurring significant indirect costs (eg, time off work, rehabilitation expenses).
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 | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».