MétaCan
Menu
Retour à la cohorte
Enregistrement W3033780089 · doi:10.1097/sla.0000000000003897

Development and Evaluation of a Novel Instrument to Measure Severity of Intraoperative Events Using Video Data

2020· article· en· W3033780089 sur OpenAlexaff
James J. Jung, Peter Jüni, Denise W. Gee, Yulia Zak, Joslin N. Cheverie, Jin Soo Yoo, John M. Morton, Teodor Grantcharov

Notice bibliographique

RevueAnnals of Surgery · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSurgical Simulation and Training
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeIntraclass correlationConstruct validityConfidence intervalReliability (semiconductor)Body mass indexSurgeryPhysical therapyInternal medicinePsychometrics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To develop and evaluate a novel instrument to measure SEVERE processes using video data. BACKGROUND: Surgical video data can serve an important role in understanding the relationship between intraoperative events and postoperative outcomes. However, a standard tool to measure severity of intraoperative events is not yet available. METHODS: Items to be included in the instrument were identified through literature and video reviews. A committee of experts guided item reduction, including pilot tests and revisions, and determined weighted scores. Content validity was evaluated using a validated sensibility questionnaire. Inter-rater reliability was assessed by calculating intraclass correlation coefficient. Construct validity was evaluated on a sample of 120 patients who underwent laparoscopic Roux-en-Y gastric bypass procedure, in which comprehensive video data was obtained. RESULTS: SEVERE index measures severity of 5 event types using ordinal scales. Each intraoperative event is given a weighted score out of 10. Inter-rater reliability was excellent [0.87 (95%-confidence interval, 0.77-0.92)]. In a sample of consecutive 120 patients undergoing gastric bypass procedures, a median of 12 events [interquartile range (IQR) 9-18] occurred per patient and bleeding was the most frequent type (median 10, IQR 7-14). The median SEVERE score per case was 11.3 (IQR 8.3-16.9). In risk-adjusted multivariable regression models, history of previous abdominal surgery (P = 0.02) and body mass index (P = 0.005) were associated with SEVERE scores, demonstrating construct validity evidence. CONCLUSION: The SEVERE index may prove to be a useful instrument in identifying patients with high risk of developing postoperative complications.

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)0,025
score de la tête « metaresearch » (Gemma)0,043
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,043
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,764
Tête enseignante GPT0,457
Écart entre enseignants0,308 · 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'étudeExpérimental (laboratoire)
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

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of SurgeryMême sujetSurgical Simulation and TrainingTravaux en français237 207