Wearable technology in the operating room: a systematic review
Notice bibliographique
Résumé
Wearable technology is an emerging manifestation of consumer electronics that has the potential to revolutionise healthcare. The novel hands-free design and clinically relevant functionalities of various wearable devices hold significant promise for surgery, but the breadth and quality of evidence supporting clinical implementation in the operating room remains unclear. The objective of this article is to provide an objective overview of the available literature regarding the use of wearable technology in surgery, both in clinical and simulated experimental settings. A systematic review examining the use of wearable technology in surgery was conducted in accordance with the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) guidelines using the MEDLINE and Web of Science databases from inception through 15 January 2016. Three authors independently screened the titles and abstracts of the retrieved articles and those that satisfied the defined inclusion criteria were selected for a full-text review. A total of 87 publications were included in this review. These articles predominantly described the use of Google Glass, GoPro or customised head-mounted displays (HMDs) in a wide range of intraoperative clinical settings. The included articles were categorised based on the highlighted areas of clinical impact, with the majority (56) discussing various applications for enhancing intraoperative safety and efficiency. Almost all articles cited technological limitations and privacy concerns as serious barriers to the implementation of wearable technology in the operating room. Evidence in the available literature regarding the use of wearable technology in the operating room shows promise, but high-quality clinical trials are needed to fully understand their clinical impact. Further, it will be essential to address existing technological limitations, develop healthcare-specific applications, and integrate privacy-protecting safeguards before it may be feasible for wearable devices to seamlessly integrate into the operative environment.
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 | 0,008 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».