MétaCan
Menu
Retour à la cohorte
Enregistrement W2606360721 · doi:10.1055/s-0037-1601423

Surgeon-Reported Needs for Improved Training in Identifying and Managing Free Flap Compromise

2017· article· en· W2606360721 sur OpenAlexaff
Catherine McMillan, Veerle Dhondt, Alexandra Marshall, Paul Binhammer, Joan E. Lipa, Laura M. Snell

Notice bibliographique

RevueJournal of Reconstructive Microsurgery · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueReconstructive Surgery and Microvascular Techniques
Établissements canadiensUniversity of TorontoHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésCompromiseMedicineFocus groupIdentification (biology)Medical educationTraining (meteorology)Descriptive statistics

Résumé

récupéré en direct d'OpenAlex

Background This study examined the need for improved training in the identification and management of free flap (FF) compromise and assessed a potential role for simulated scenario training. Methods Online needs assessment surveys were completed by plastic surgeons and a subsample with expertise in microsurgery education participated in focus groups. Data were analyzed using descriptive statistics and mixed qualitative methods. Results In this study, 77 surgeons completed surveys and 11 experts participated in one of two focus groups. Forty-nine (64%) participants were educators, 65 and 45% of which reported having an insufficient volume of FF cases to adequately teach the management and identification of compromise, respectively. Forty-three percent of educators felt that graduating residents are not adequately prepared to manage FF compromise independently. Exposure to normal and abnormal FF cases was felt to be critical for effective training by focus group participants. Experts identified low failure rates, communication issues, and challenging teaching conditions as current barriers to training. Most educators (74%) felt that simulated scenario training would be “very useful” or “extremely useful” to current residents. Focus groups highlighted the need for a widely accepted algorithm for re-exploration and salvage on which to base the development of a training adjunct consisting of simulated scenarios. Conclusion Trainee exposure to FF compromise is inadequate in existing plastic surgery programs. Early exposure, high case volume, and a standardized algorithmic approach to management with a focus on decision making may improve training. Simulated scenario training may be valuable in addressing current barriers.

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)0,007
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,049
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,051
Tête enseignante GPT0,311
Écart entre enseignants0,260 · 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.

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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reconstructive MicrosurgeryMême sujetReconstructive Surgery and Microvascular TechniquesTravaux en français237 207