Prevalence of adverse events in hip and knee arthroplasties following the implementation of surgical checklists
Notice bibliographique
Résumé
to identify the prevalence of adverse events in patients undergoing hip and knee arthroplasties following the implementation of surgical checklists. an evaluative study, based on effect analysis, conducted over three periods: pre- (0- 2010) and post- intervention (I- 2013; II- 2016), with retrospective consultation of a simple random sample of 291 medical records between November 2020 and March 2022. The Canadian Adverse Events Study and Global Trigger Tool forms were used to track and confirm adverse events. Cases were analyzed using descriptive and inferential statistics; p-values ≤ 0.05 indicated significance. in the post-implementation periods of surgical checklists, a reduction was observed in the frequency of patients affected by two or more events, from 27.8% to 11.3% (p = 0.002), and in the overall prevalence, from 63.9% to 36.1% (p < 0.001). A decrease in the prevalence of patients affected by urinary retention (33% to 3.1%; p < 0.001) and hemorrhage (9.3% to 0%; p = 0.012) was also noted. There was an increase in the prevalence of skin lesions, from 2.1% to 10.3% (p = 0.043). there was a reduction in the overall prevalence and frequency of adverse events in patients undergoing arthroplasty following the implementation of surgical checklists.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».