Should ‘smart phones’ be used for patient photography?
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.
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 | 0,005 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».