Expert Consensus of Data Elements for Collection for Enhanced Recovery After Cardiac Surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Despite the emergence of Enhanced Recovery Protocols (ERPs) in cardiac surgery, there is no consensus on the essential elements for data reporting for quality improvement efforts, as well as accountability and standardization of outcome reporting across institutions. The aim of this study was to establish a consensus on essential data elements for cardiac ERAS®. METHODS: A 2-round modified Delphi technique was utilized based on existing recommendations from the recently published ERAS® cardiac surgery consensus guidelines. Round 1 included a steering committee of 10 experts who oversaw formulation of a focused list of data elements into 3 main areas: Preoperative, intraoperative and postoperative. Round 2 consisted of a multidisciplinary, multinational, heterogenous group of 50 voting experts from across the United States and Europe. All participants evaluated their level of agreement with each data element using a 5-point Likert scale with consensus threshold of 70%. RESULTS: In round 1, 17 data elements were considered essential (consensus > = 70%, either positive or negative) and 6 were considered marginal (consensus < = 70%, either positive or negative). In round 2, positive consensus was achieved for 15/17 (88.2%) data elements in the essential category, and all six data elements (100%) in the marginal category, indicating a high level of overall agreement. CONCLUSION: This initial study, which identified 21 key data elements for collection in an ERAS® cardiac program, will aid clinicians in establishing a framework for evaluating the quality of their contemporary ERP processes and will allow acquisition of data to help benchmark performance metrics between hospitals.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle