Determination of visual portfolio for surgeons overseas assessment of surgical needs Nigeria study: Consensus generation through an e-Delphi process
Notice bibliographique
Résumé
BACKGROUND: Surgery as a public health priority has received little attention until recently. There is a significant unmeasured and unmet burden of surgical illness in low- and middle-income countries (LMICs). Our aim was to generate a consensus among expert pediatric surgeons practicing in LMICs regarding the spectrum of pediatric surgical conditions that we should look out for in a community-based survey for Surgeons OverSeas Assessment of Surgical Needs Nigeria study. MATERIALS AND METHODS: The Delphi methodology was utilized to identify sets of variables from among a panel of experts. Each variable was scored on a 5-point Likert scale. The experts were provided with an anonymous summary of the results after the first round. A consensus was achieved after two rounds, defined by an improvement in the standard deviation (SD) of scores for a particular variable over that of the previous round. We invited 76 pediatric surgeons through e-mail across Africa but predominantly from Nigeria. RESULTS: Twenty-one pediatric surgeons gave consent to participate through return of mail. Thirteen (62%) answered the first round statements and 8 (38%) the second round. In general, the strength of agreement to all statements of the questionnaire improved between the first and second rounds. Overall consensus, as expressed by the decrease in the mean SD from 0.84 in the first round to 0.68 in the second round, also improved over time. The strength of consensus improved for 23 (74%) of the statements. The strength of consensus decreased for the remaining 8 (26%) of statements. Out of the 31 consensus-generating statements, 16 (51%) scored high agreement, 13 (42%) scored low agreement, and 2 (15%) scored perfect disagreement. CONCLUSION: We have successfully identified the pediatric surgical conditions to be included in any community survey of pediatric surgical need in an LMIC setting.
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 | 0,086 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».