MétaCan
Menu
Retour à la cohorte
Enregistrement W3034980813 · doi:10.1302/1863-2548.14.200107

Management of common elective paediatric orthopaedic conditions during the COVID-19 pandemic: The Montreal experience

2020· article· en· W3034980813 sur OpenAlexaffabout
Doron Keshet, Mitchell Bernstein, Noémi Dahan‐Oliel, Jean Ouellet, Thierry Pauyo, Oded Rabau, Neil Saran, Reggie C. Hamdy

Notice bibliographique

RevueJournal of Children s Orthopaedics · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensMcGill UniversityShriners Hospitals for Children - CanadaMontreal Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineTriageElective surgeryTelemedicineMedical emergencyPandemicHealth careTelehealthCoronavirus disease 2019 (COVID-19)Intensive care medicineSurgeryDisease

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To explore safe delays for the treatment of common paediatric orthopaedic conditions when faced with a life-threatening pandemic, COVID-19, and to propose a categorization system to address this question. METHODS: Review of the literature related to acceptable delays for treatment of common orthopaedic conditions, experience of healthcare professionals from low resource communities and expertise of experienced surgeons. RESULTS: Guidelines for the management of cancellations of elective surgeries during a period of resource reallocation are proposed. Elective cases must not be postponed indefinitely as adverse outcomes may result. Triage of waiting lists should include continuous monitoring of the patient and close communication with families despite social distancing and travel restrictions. Telehealth becomes a necessity. Common orthopaedic conditions are triaged into four groups according to urgency and safe and acceptable delay. Categories proposed are Emergent (life and limb threatening conditions), Urgent (within seven days), Semi-elective (postponed for three months) and Elective (postponed for three to 12 months). In total, 25 common orthopaedic conditions are reviewed and categorized. CONCLUSION: Given the uncertainty within healthcare during a pandemic, it is necessary to determine acceptable delays for elective conditions. We report our experience in developing guidelines and propose categorizing elective cases into four categories, based on the length of delay. Telemedicine plays a key role in determining the gravity of each situation and hence the amount of delay. These guidelines will assist others dealing with elective cases in the midst of a crisis. This paper initiates a coordinated effort to develop a consensus statement on safe delays.Published without peer review.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,260
Score d'incertitude au seuil0,518

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,043
Tête enseignante GPT0,356
Écart entre enseignants0,313 · 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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Children s OrthopaedicsMême sujetCOVID-19 and healthcare impactsTravaux en français237 207