Non-technical skills in surgery during the COVID-19 pandemic: An observational study
Notice bibliographique
Résumé
BACKGROUND: Non-technical skills are critical to surgical safety. We examined the impact of the COVID-19 pandemic on non-technical skills of operating room (OR) teams in Singapore. MATERIALS AND METHODS: Observers rated live operations using the Oxford NOTECHS system. Pre- and post-COVID observations were captured from November 2019 to January 2020 and from January 2021 to February 2021, respectively. Scores were compared using Schuirmann's Two One-Sided Test procedure. Multivariable linear regression was used to adjust for case mix. A 10% margin of equivalence was set a priori. RESULTS: Observers rated 159 cases: 75 pre-COVID and 84 post-COVID. There were significant differences between groups in surgical department and surgeon-reported case complexity (both P < 0.001). Total NOTECHS scores increased post-COVID on raw analysis (36.1 vs 38.0, P < 0.001) but remained within the margin of equivalence (90% CI 1.3 to 2.6, P < 0.001). Multivariable analysis demonstrated a similar increase within the margin of equivalence (2.0, 90% CI 1.3 to 2.7). Teamwork and cooperation scores increased by 1.0 post-COVID (90% CI 0.8 to 1.3); all other subcomponent scores were equivalent. CONCLUSION: Non-technical skills before and after the peak of the COVID-19 pandemic were equivalent but not equal. A small but statistically significant improvement post-COVID was driven by an increase in teamwork and cooperation skills. These findings may reflect an improvement in team cohesion, which has been observed in teams under duress in other settings such as the military. Future work should explore the effect of the pandemic on OR culture, team cohesion, and resilience.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; un appel candidat d’une seule tête enseignante, 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 ».