Association between anaesthesia–surgery team sex diversity and major morbidity
Notice bibliographique
Résumé
BACKGROUND: Team diversity is recognized not only as an equity issue but also a catalyst for improved performance through diversity in knowledge and practices. However, team diversity data in healthcare are limited and it is not known whether it may affect outcomes in surgery. This study examined the association between anaesthesia-surgery team sex diversity and postoperative outcomes. METHODS: This was a population-based retrospective cohort study of adults undergoing major inpatient procedures between 2009 and 2019. The exposure was the hospital percentage of female anaesthetists and surgeons in the year of surgery. The outcome was 90-day major morbidity. Restricted cubic splines were used to identify a clinically meaningful dichotomization of team sex diversity, with over 35% female anaesthetists and surgeons representing higher diversity. The association with outcomes was examined using multivariable logistic regression. RESULTS: Of 709 899 index operations performed at 88 hospitals, 90-day major morbidity occurred in 14.4%. The median proportion of female anaesthetists and surgeons was 28 (interquartile range 25-31)% per hospital per year. Care in hospitals with higher sex diversity (over 35% female) was associated with reduced odds of 90-day major morbidity (OR 0.97, 95% c.i. 0.95 to 0.99; P = 0.02) after adjustment. The magnitude of this association was greater for patients treated by female anaesthetists (OR 0.92, 0.88 to 0.97; P = 0.002) and female surgeons (OR 0.83, 0.76 to 0.90; P < 0.001). CONCLUSION: Care in hospitals with greater anaesthesia-surgery team sex diversity was associated with better postoperative outcomes. Care in a hospital reaching a critical mass with over 35% female anaesthetists and surgeons, representing higher team sex-diversity, was associated with a 3% lower odds of 90-day major morbidity.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».