Should ‘smart phones’ be used for patient photography?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Within the field of plastic surgery, clinical photography is an essential tool. 'Smart phones' are increasingly being used for photography in medical settings. OBJECTIVE: To determine the prevalence of smart phone use for clinical photography among plastic surgeons and plastic surgery residents in Canada. METHODS: In 2014, a survey was distributed to all members of the Canadian Society of Plastic Surgeons. The questions encompassed four main categories: smart phone use for clinical photos; storage of photos; consent process; and privacy issues. The survey participation rate was 27% (147 of 545) with 103 surgeons and 44 residents. In total, 89.1% (131 of 147) of respondents have taken photographs of patients using smart phones and 57% (74 of 130) store these photos on their phones. In addition, 73% (74 of 102) of respondents store these photos among personal photos. The majority of respondents (75% [106 of 142]) believe obtaining verbal consent before taking clinical photographs is sufficient to ensure privacy is respected. Written consent is not commonly obtained, but 83% (116 of 140) would obtain it, if it could be done more efficiently. Twenty-six percent (31 of 119) of respondents have accidentally shown a clinical photograph on their phone to friends or family. A smart phone application that incorporates a written consent process, and allows photos to be immediately stored externally, is perceived by 59% (83 of 140) to be a possible way to address these issues. CONCLUSION: Smart phones are commonly used to obtain clinical photographs in plastic surgery. There are issues around consent process, storage of photos and privacy that need to be addressed.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle