Comparison of Postoperative Outcomes Among Patients Treated by Male Versus Female Surgeons
Notice bibliographique
Résumé
OBJECTIVE: To compare clinical outcomes of patients treated by female surgeons versus those treated by male surgeons. BACKGROUND: It remains unclear as to whether surgical performance and outcomes differ between female and male surgeons. METHODS: We conducted a meta-analysis to compare patients' clinical outcomes-including patients' postoperative mortality, readmission, and complication rates-between female versus male surgeons. MEDLINE, Embase, CENTRAL, ICTRP, and ClinicalTrials.gov were searched from inception to September 8, 2022. The update search was conducted on July 19, 2023. We used random-effects models to synthesize data and GRADE to evaluate the certainty. RESULTS: A total of 15 retrospective cohort studies provided data on 5,448,121 participants. We found that patients treated by female surgeons experienced a lower postoperative mortality compared with patients treated by male surgeons [8 studies; adjusted odds ratio (aOR), 0.93; 95% CI, 0.88-0.97; I2 =27%; moderate certainty of the evidence]. We found a similar pattern for both elective and nonelective (emergent or urgent) surgeries, although the difference was larger for elective surgeries (test for subgroup difference P =0.003). We found no evidence that female and male surgeons differed for patient readmission (3 studies; aOR, 1.20; 95% CI, 0.83-1.74; I2 =92%; very low certainty of the evidence) or complication rates (8 studies; aOR, 0.94; 95% CI, 0.88-1.01; I2 =38%; very low certainty of the evidence). CONCLUSION: This systematic review and meta-analysis suggests that patients treated by female surgeons have a lower mortality compared with those treated by male surgeons.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».