MétaCan
Menu
Retour à la cohorte
Enregistrement W2985262800 · doi:10.1016/j.tcr.2019.100255

“Morbidity and Mortality”: A new section in Trauma Case Reports to help us learn from our mistakes

2019· editorial· en· W2985262800 sur OpenAlexaffabout
Richard Buckley, Peter V. Giannoudis

Notice bibliographique

RevueTrauma Case Reports · 2019
Typeeditorial
Langueen
DomaineMedicine
ThématiqueClinical Reasoning and Diagnostic Skills
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSection (typography)MedicineForensic engineeringIntensive care medicineEngineeringBusinessAdvertising

Résumé

récupéré en direct d'OpenAlex

A new section in Trauma Case Reports to help us learn from our mistakes Morbidity and Mortality conferences were first introduced by Ernest Codman in 1904 [1].He famously suggested that surgeon competence must be evaluated and reported in a structured and repetitive manner [1].The editor of the Canadian Journal of Surgery argues that Codman's concept reached its zenith in 1983 when the Accreditation Council for Graduate Medical Education (the American equivalent of the Royal College of Physicians and Surgeons) mandated the presence of weekly M & M conferences to achieve and maintain accreditation for all surgical residency training programs [2].A recent paper has reflected upon this theme but states that continued evaluation of surgeon competence must involve both comparisons of surgeon performance to larger groups of colleagues at the individual and program levels (big data) as well as the incorporation of local expertise and sage advice in the form of collegial discussion at a formal M & M conference [3]. This new section in the Trauma Case Reports journal hopes to highlight some of this sage advice in the form of cases that have gone awry.The M & M cases presented in this section will provide food for thought to readers and then some recent "best evidence" to allow a surgeon faced with a similar tough clinical decision to make a good choice for their patients.Surgeons reading this new section in the Trauma Case Reports journal will: 1) see similar patients that they have in their practice, 2) identify situations where a good choice may save a patient from a bad result, 3) note the best recent clinical evidence available, 4) apply a consistent, prospective process for enhanced decision making when presented with a difficult patient dilemma.We, the editors, hope that this new section will meet your expectations and make it easier for you to come to good patient care decisions.There is no doubt that the clinical problems presented in this section, will allow your future patients in your practice to have a better outcome.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,066
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,136
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,066
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,048
Tête enseignante GPT0,364
Écart entre enseignants0,315 · 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 tête enseignante, pas un consensus.

Devis d'étudeÉtude de cas
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTrauma Case ReportsMême sujetClinical Reasoning and Diagnostic SkillsTravaux en français237 207