MétaCan
Menu
Retour à la cohorte
Enregistrement W2261979832 · doi:10.1136/bmjqs-2014-003816

Characterising ‘<i>near miss</i>’ events in complex laparoscopic surgery through video analysis

2015· article· en· W2261979832 sur OpenAlexaff
Esther M. Bonrath, Lauren Gordon, Teodor Grantcharov

Notice bibliographique

RevueBMJ Quality & Safety · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineLaparoscopic surgeryVideo recordingLaparoscopySurgeryGeneral surgeryMedical physicsMultimediaComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Root cause analyses of surgical complications are of high importance to ensure surgical quality, but specific details on technical causes often remain unclear. Identifying subclinical intraoperative incidents attributable to technical errors is essential for developing rescue mechanisms to prevent adverse outcomes. OBJECTIVE: Descriptive study to characterise intraoperative technical error-event patterns in successful laparoscopic procedures. METHODS: Events (injuries) identified during prior blinded analyses of 54 unedited recordings of bariatric laparoscopic procedures were subjected to a secondary review to determine the presumed underlying error mechanism. The recordings were obtained from one university-based bariatric collaborative programme, and represented consultant, fellow and shared trainee cases. RESULTS: Sixty-six events were identified in 38 recordings, while 16 videos showed no events. In 25 (66%) of the videos that showed events, additional measures such as haemostasis or suture repair were required. Common identified events were minor bleeding (n=39, 59%), thermal injury to non-target tissue (n=7, 11%), serosal tears (n=6, 9%). Common error mechanisms were 'inadequate use of force/distance (too much)' (n=20, 30%) and 'inadequate visualisation' during grasping/dissecting (n=6, 9%), 'inadequate use of force/distance (too much)' using an energy device (n=6, 9%), or during suturing (n=6, 9%). All events were recognised intraoperatively. CONCLUSIONS: Analysis of successful operations allowed the identification of numerous error-event sequences. Reviewing injury mechanisms can enhance surgeons' understanding of relevant errors. This error awareness may aid surgeons in preparing for cases, help avoid errors and mitigate their consequences. Thus, this approach may impact future surgical education and quality initiatives aimed at reducing surgical risks.

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)0,003
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 enseignants0,020
Score d'incertitude au seuil0,655

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,257
Tête enseignante GPT0,448
Écart entre enseignants0,191 · 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

Citations96
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Quality & SafetyMême sujetSurgical Simulation and TrainingTravaux en français237 207