MétaCan
Menu
Retour à la cohorte
Enregistrement W4403483152 · doi:10.1111/dmcn.16088

AACPDM 2024 Scientific Posters

2024· article· en· W4403483152 sur OpenAlexfundno aff

Notice bibliographique

RevueDevelopmental Medicine & Child Neurology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHematological disorders and diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesHospital for Sick ChildrenProvincial Health Services AuthorityDalhousie UniversityCurtin University of TechnologyGriffith UniversityMonash UniversityErasmus Research Institute of ManagementUniversity of SydneyMcGill University Health CentreMcGill UniversitySchool of Medicine, Case Western Reserve UniversityDuquesne UniversityKids Brain Health NetworkUniversity of Nebraska-LincolnUniversity of QueenslandUniversity of WashingtonCase Western Reserve UniversityCerebral Palsy AllianceUNICEFUniversity of Southern California
Mots-clésMEDLINEPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Background and Objective(s): Spinal fusion surgery for children with medical complexity (CMC) is a procedure that is associated with a high rate of complications, adverse events, prolonged recovery and hospital readmissions.This single group case study describes a collaborative posterior spinal fusion surgical planning initiative between a pediatric orthopedic surgery group and a complex care medical home for CMC with the objective of improving outcomes.The Comprehensive Care Clinic (CCC) is a dedicated medical home for over 800 CMC and is a hub of the child's healthcare.Central Texas Pediatric Orthopedics is a tertiary orthopedic surgery group with four surgeons with expertise in neuromuscular scoliosis repair performing 30 neuromuscular scoliosis repairs annually. Study Participants & Setting:Patients in this study were identified for their need for neuromuscular scoliosis surgery in the following 6 months and were active patients at the CCC.A total of 22 patients presented from 2019 to 2023 subsequently had neuromuscular scoliosis surgery.Demographic data is presented.Materials/Methods: Data was collected over 4 years.Contemporaneous notes were taken during the quarterly meetings and reviewed.Demographic data was drawn from the PCP notes manually.Outcomes data was drawn from the hospital notes manually.Data was combined and examined using descriptive statistical analysis.Results: 22 patients completed the process of presurgical planning and posterior spinal fusion.Primary outcomes measured included postoperative Infection rate, intensive care unit (ICU) length of stay (LOS), total postoperative LOS, 30 Day and 90 Day all cause hospital readmission rate, and 90 Day reoperation rate.Conclusions/Significance: This initiative describes a population of CMC who underwent a quarterly case review preoperative process of planning in coordination with a complex care primary provider.This described intervention achieved a median post-op LOS of 5 days and a 90-day readmission rate of 18.2%, similar to a large study benchmark reported by Berry et al. (PMID 28899986).Collaboration between complex PCPs and orthopedic surgeons for preoperative preparation for posterior spinal fusions is integral to coordinated care for this at risk population.This collaborative effort demonstrated the feasibility and benefit to improve quality of care.We hope that this initiative will provide further evidence of the value of communication and interdisciplinary integration to optimize care for CMC receiving posterior spinal fusions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil0,521

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0060,003
Charge utile insuffisante (le modèle a refusé de juger)0,6350,362

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 Opus0,019
Tête enseignante GPT0,276
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueDevelopmental Medicine & Child NeurologyMême sujetHematological disorders and diagnosticsTravaux en français237 207