Life or limb: an international qualitative study on decision making in sarcoma surgery during the COVID-19 pandemic
Notice bibliographique
Résumé
Objectives The COVID-19 pandemic is unprecedented as a global crisis over the last century. How do specialist surgeons make decisions about patient care in these unprecedent times? Design Between April and May 2020, we conducted an international qualitative study. Sarcoma surgeons from diverse global settings participated in 60 min interviews exploring surgical decision making during COVID-19. Interview data were analysed using an inductive thematic analysis approach. Setting Participants represented public and private hospitals in 14 countries, in different phases of the first wave of the pandemic: Australia, Argentina, Canada, India, Italy, Japan, Nigeria, Singapore, Spain, South Africa, Switzerland, Turkey, UK and USA. Participants From 22 invited sarcoma surgeons, 18 surgeons participated. Participants had an average of 19 years experience as a sarcoma surgeon. Results 17/18 participants described a decision they had made about patient care since the start of the pandemic that was unique to them, that is, without precedence. Common to ‘unique’ decisions about patient care was uncertainty about what was going on and what would happen in the future (theme 1: the context of uncertainty), the impact of the pandemic on resources or threat of the pandemic to overwhelm resources (theme 2: limited resources), perceived increased risk to self (theme 3: duty of care) and least-worst decision making, in which none of the options were perceived as ideal and participants settled on the least-worst option at that point in time (theme 4: least-worst decision making). Conclusions In the context of rapidly changing standards of justice and beneficence in patient care, traditional decision-making frameworks may no longer apply. Based on the experiences of surgeons in this study, we describe a framework of least-worst decision making. This framework gives rise to actionable strategies that can support decision making in sarcoma and other specialised fields of surgery, both during the current crisis and beyond.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,017 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».