Top ten priorities for anesthesia and perioperative research: a report from the Canadian Anesthesia Research Priority Setting Partnership
Notice bibliographique
Résumé
PURPOSE: The purpose of the Canadian Anesthesia Research Priority Setting Partnership (CAR PSP) was to identify a top ten list of shared priorities for research in anesthesia and perioperative care in Canada. METHODS: We used the methods of the James Lind Alliance to involve patients, caregivers, healthcare professionals, and researchers in determining the research priorities in Canada. In a first survey, participants submitted questions that they want research to answer about anesthesia and perioperative care. We summarized those responses into a longlist of questions. We reviewed the literature to see if any of those questions were already answered. In a second survey, participants chose up to ten questions from the longlist that they thought were most important to be answered with research. From that list, the highest ranking questions were discussed and assigned a final rank at an in-person workshop. RESULTS: A total of 254 participants submitted 574 research suggestions that were then summarized into 49 questions. Those questions were checked against the literature to be sure they were not already adequately addressed, and in a second survey of those 49 questions, participants chose up to 10 that they thought were most important. A total of 233 participants submitted their priorities, which were then used to choose 24 questions for discussion at the final workshop. At the final workshop, 22 participants agreed on a top ten list of priorities. CONCLUSION: The CAR PSP top ten priorities reflect a wide variety of priorities captured by a broad spectrum of Canadians who receive and provide anesthesia care. The priorities are a tool to initiate and guide patient-oriented research in anesthesia and perioperative care.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».