Expertise-based design in surgical trials: a narrative review
Notice bibliographique
Résumé
Randomized controlled trials (RCTs) are the most robust study design for evaluating the safety and efficacy of a therapeutic intervention. However, their internal validity are at risk when evaluating surgical interventions. This review summarizes existing expertise- based trials in surgery and related methodological concepts to guide surgeons performing this work. We provide caseloads required to reach the learning curve for various surgical interventions and report criteria for expertise from published and unpublished expertise-based trials. In addition, we review design and implementation concepts of expertise-based trials, including recruitment of surgeons, crossover, ethics, generalizability, sample size and definitions for learning curve. Several RCTs have used an expertise-based design. We found that the majority of definitions used for expertise were vague, heterogeneous, and inconsistent across trials evaluating the same surgical intervention. Statistical methods exist to adjust for the learning curve; however, there is limited guidance. We developed the following criteria for surgical expertise for future trials: 1) decide on the proxy to be used for the learning curve, and 2) assess eligible surgeons by comparing their performance to the previously defined expertise criteria.
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 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 | 0,500 | 0,358 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,049 | 0,022 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».