Surgeon- and hospital-level variation in wait times for scheduled non-urgent surgery in Ontario, Canada: A cross-sectional population-based study
Notice bibliographique
Résumé
BACKGROUND: Canadian health systems fare poorly in providing timely access to elective surgical care, which is crucial for quality, trust, and satisfaction. METHODS: We conducted a cross-sectional analysis of surgical wait times for adults receiving non-urgent cataract surgery, knee arthroplasty, hip arthroplasty, gallbladder surgery, and non-cancer uterine surgery in Ontario, Canada, between 2013 and 2019. We obtained data from the Wait Times Information System (WTIS) database. Inter- and intra-hospital and surgeon variations in wait time were described graphically with caterpillar plots. We used non-nested 3-level hierarchical random effects models to estimate variation partition coefficients, quantifying the proportion of wait time variance attributable to surgeons and hospitals. RESULTS: A total of 942,605 procedures at 107 healthcare facilities, conducted by 1,834 surgeons, were included in the analysis. We observed significant intra- and inter-provider variations in wait times across all five surgical procedures. Inter-facility median wait time varied between six-fold for gallbladder surgery and 15-fold for knee arthroplasty. Inter-surgeon variation was more pronounced, ranging from a 17-fold median wait time difference for cataract surgery to a 216-fold difference for non-cancer uterine surgery. The proportion of variation in wait times attributable to facilities ranged from 6.2% for gallbladder surgery to 23.0% for cataract surgery. In comparison, surgeon-related variation ranged from 16.0% for non-cancer uterine surgery to 28.0% for cataract surgery. IMPLICATIONS: There is extreme variability in surgical wait times for five common, high-volume, non-urgent surgical procedures. Strategies to address surgical wait times must address the variation between service providers through better coordination of supply and demand. Approaches such as single-entry models could improve surgical system performance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».