MétaCan
Menu
Retour à la cohorte
Enregistrement W3184209704 · doi:10.1097/gox.0000000000003682

Can We Reach a Consensus on the Appropriate Use of Before and After Photos in Breast Surgery?

2021· article· en· W3184209704 sur OpenAlexaff
Chantal R. Valiquette, Christopher R. Forrest, Leila Kasrai, Kyle R. Wanzel, Glykeria Martou, Brett Beber, John L. Semple, Thomas Constantine, Emily S. Ho, Ron B. Somogyi

Notice bibliographique

RevuePlastic & Reconstructive Surgery Global Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Imaging in Medicine
Établissements canadiensHospital for Sick ChildrenHumber River Regional HospitalQueen's UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRepresentation (politics)Variance (accounting)MedicinePsychologyComputer sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Breast surgery is an area of practice where patients value before and after photographs (BAPs). Consensus is needed to develop guidelines to address the deficit in the literature regarding appropriate use of BAPs, as these may ultimately play a significant role in the breast surgery consent process. METHODS: Expert breast reconstructive surgeons participated in a modified nominal group technique (NGT) to establish expert consensus on categories and criteria to be used when evaluating appropriate use of BAPs as part of informed consent. Endorsement rate of 75% and coefficients of variance within and between rounds were conducted to determine validity of each criteria item's rank order. RESULTS: Eight experts participated in the NGT in-person meeting and subsequent online survey. five of seven categories were endorsed for discussion: purpose, image type, anatomy, results, and photographic integrity. Overall consensus was obtained for six of 11 criteria. Criteria items found to have consensus were: patients considering surgery being the intended photograph audience (100% endorsement, CV1 - CV2 = 0.01), use of photographic images (75% endorsement, CV1 - CV2 = 0.04), defining the standard clinical photograph by having patients in the same body position (100% endorsement, CV1 - CV2 = 0.14), anonymizing images by removing all digital tags (88% endorsement, CV1 - CV2 = 0.03) and patient identifiers (75% endorsement, CV1 - CV2 = 0.00), not limiting the number of photograph sets needed for sufficient representation (100% endorsement, CV1 - CV2 = 0.07), and representing average outcomes (100%, CV1 - CV2 = 0.06). CONCLUSIONS: Early use of this validated and effective technique helps identify potential consensus categories and criteria that surgeons recommend for the use of BAPs in the informed consent process. Further study is required.

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)0,213
score de la tête « metaresearch » (Gemma)0,412
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,213
Score d'incertitude au seuil0,971

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2130,412
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,003
Études des sciences et des technologies0,0060,010
Communication savante0,0090,020
Science ouverte0,0060,013
Intégrité de la recherche0,0090,010
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,029
Tête enseignante GPT0,262
Écart entre enseignants0,233 · 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.

Devis d'étudeQualitatif
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlastic & Reconstructive Surgery Global OpenMême sujetDigital Imaging in MedicineTravaux en français237 207