MétaCan
Menu
Retour à la cohorte
Enregistrement W2227289421 · doi:10.1136/bjophthalmol-2015-307287

Use of the Delphi process in paediatric cataract management

2015· article· en· W2227289421 sur OpenAlexaff
Massimiliano Serafino, Rupal H. Trivedi, Alex V. Levin, M. Edward Wilson, Paolo Nucci, Scott R. Lambert, Ken K. Nischal, David A. Plager, Dominique Brémond‐Gignac, Ramesh Kekunnaya, Sachiko Nishina, Nasrin Tehrani, Marcelo Carvalho Ventura

Notice bibliographique

RevueBritish Journal of Ophthalmology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueIntraocular Surgery and Lenses
Établissements canadiensUniversity of TorontoSickKids FoundationHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineProcess (computing)OptometryOphthalmologyProcess managementIntensive care medicineComputer science

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To identify areas of consensus and disagreement in the management of paediatric cataract using a modified Delphi approach among individuals recognised for publishing in this field. DESIGN: A modified Delphi method. PARTICIPANTS: International paediatric cataract experts with a publishing record in paediatric cataract management. METHODS: The process consisted of three rounds of anonymous electronic questionnaires followed by a face-to-face meeting, followed by a fourth anonymous electronic questionnaire. The executive committee created questions to be used for the electronic questionnaires. Questions were designed to have unit-based, multiple choice or true-false answers. The questionnaire included issues related to the preoperative, intraoperative and postoperative management of paediatric cataract. MAIN OUTCOME MEASURE: Consensus based on 85% of panellists being in agreement for electronic questionnaires or 80% for the face-to-face meeting, and near consensus based on 70%. RESULTS: Sixteen of 22 invited paediatric cataract surgeons agreed to participate. We arrived at consensus or near consensus for 85/108 (78.7%) questions and non-consensus for the remaining 23 (21.3%) questions. CONCLUSIONS: Those questions where consensus was not reached highlight areas of either poor evidence or contradicting evidence, and may help investigators identify possible research questions.

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)0,408
score de la tête « metaresearch » (Gemma)0,347
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil0,731

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4080,347
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0080,005
Études des sciences et des technologies0,0060,008
Communication savante0,0040,007
Science ouverte0,0030,019
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,305
Écart entre enseignants0,242 · 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'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

Citations65
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of OphthalmologyMême sujetIntraocular Surgery and LensesTravaux en français237 207