Millions Saved in Head and Neck Free Flap Reconstruction at a High-Volume Center: A Cost Analysis
Notice bibliographique
Résumé
Background: Within a resource-limited healthcare system, an emphasis on financial accountability is imperative. Over the past decade at our institution, there have been many operational changes employed to improve patient care during oncologic head and neck resections with free flap (HNFF) reconstruction. The objective of this study is to assess whether these changes are associated with cost savings. Methods: A retrospective cohort study that included consecutive patients treated from January 2007 to February 2020 was performed. The perspective of the third payer party was used and direct costs were considered. The peri-operative period was defined as the day of surgery and subsequent admission. Total peri-operative cost was defined as staffing, material, reconstructive surgeon, anesthetist, and admission costs. Costs are represented in Canadian Dollars ($CAD) adjusted for inflation. Results: There were 590 consecutive cases. Average age was 61 with a male proportion of 69% (n = 409). Tumor type, need for tracheostomy, neck dissection, anatomic region resected, 30-day re-operation, and re-admission did not change significantly over the study period ( P > 0.05). The mean total operative time per case decreased by 4.1 h over the study period. The median length of stay per patient decreased by 4.5 days. The total peri-operative cost per patient during the study period decreased by $19,928. Net cost savings to the third-party payer over the study period was $8,142,962. Conclusion: A culture of improvement-focused teamwork allowed for several advances over the study period. These were associated with improved patient care, operative efficiency, and significant cost savings of HNFF reconstruction.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».