MétaCan
Menu
Retour à la cohorte
Enregistrement W4401414558 · doi:10.1371/journal.pone.0307845

Surgeon- and hospital-level variation in wait times for scheduled non-urgent surgery in Ontario, Canada: A cross-sectional population-based study

2024· article· en· W4401414558 sur OpenAlexafffundabout
Pieter de Jager, Dionne M. Aleman, Nancy N. Baxter, Chaim M. Bell, Merve Bodur, Andrew Calzavara, Michael Carter, Scott D. Emerson, Anna R. Gagliardi, Jonathan C. Irish, Danielle Martin, Samantha Lee, Marcy Saxe-Braithwaite, Pardis Seyedi, Julie Takata, Suting Yang, Claudia Zanchetta, David R. Urbach

Notice bibliographique

RevuePLoS ONE · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Operations and Scheduling Optimization
Établissements canadiensCancer Care OntarioWomen's College HospitalNova Scotia Health AuthorityLearning PartnershipPublic Health OntarioUniversity of British ColumbiaQueen's UniversityUniversity Health NetworkToronto General HospitalDalhousie UniversityUniversity of TorontoSinai Health System
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Health and Long-Term Care
Mots-clésMedicineCataract surgeryArthroplastyPopulationCross-sectional studySurgeryGeneral surgery

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,354
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetHealthcare Operations and Scheduling OptimizationTravaux en français237 207