A Case Report for Quality Assurance: Understanding the NSQIP Database and Preventing Error in Peer Review
Notice bibliographique
Résumé
Background: This report assesses the accuracy and applicability of the American College of Surgeons National Surgical Quality Improvement Program (NSQIP) and MIDAS data to measure quality in a Gynecologic Oncology service.Method: A retrospective chart review (Canadian Task Force classification II-1) from a community hospital Quality Assurance committee's evaluation of a Gynecologic Oncology service, assessing all patients undergoing any surgery on the Gynecologic Oncology service from January, 2014 to September, 2017.Results: Surgical data was tabulated from operative notes and office charts.NSQIP data was provided by the hospital Quality Assurance Department's applications licensed from the American College of Surgeons.Proprietary MIDAS "Inpatient Takeback Rate" was provided by the hospital Quality Assurance Department.Conclusion: Hand-counting of hospital cases provided the most accurate and consistent results.NSQIP data provided variable accuracy in abstraction and coding but was limited to hysterectomy procedures.The MIDAS calculation was broadly inaccurate and should not be viewed as a quality indicator.Misinterpretation of quality data by a QA Department can adversely affect a surgeon's practice.To further increase the accuracy and utility of the NSQIP database for Oncologic Gynecologists, suggestions for specific queries for Gynecologic Oncology and Gynecology case abstractions are made.
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 | 0,088 | 0,447 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,008 | 0,011 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».