Operating Room Noise and Team Communication during Facial Plastic and Reconstructive Surgery: A Multicenter Study
Notice bibliographique
Résumé
Abstract Operating room (OR) noise contributes to team miscommunication. In facial plastic and reconstructive surgery (FPRS), many cases are completed under sedation. This creates a unique environment wherein patients are aware of OR noise. The objectives of this study were to quantify noise and evaluate team members' perspectives on communication inside of FPRS ORs. This study was completed across three surgical institutions. Objective noise measurements were recorded with SoundMeter X. A communication questionnaire was delivered to OR team members following each case. Four hundred and twenty-three noise measurements were recorded during facelift/neck, eye/brow, rhinoplasty, and fat transfer/lip surgeries. The mean and maximum noise levels were 66.1 dB (dB) and 87.6 dB, respectively. Measurements during cases with general anesthetic (221/423, 52.2%) had higher noise measurements (70.3 dB) compared with those with sedation (202/423, 47.8%) (69.7 dB) (p = 0.04). The OR was louder with suction on (72.3 dB) versus off (69.3 dB) (p <0.00). Suction (34.5%) and music (22.4%) were the largest noise contributors according to questionnaire replies. Intraoperative noise, awake patients, and suctions/music may negatively impact FPRS OR communication. Innovation to improve FPRS intraoperative communication should be considered for effective patient care.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».