Reporting ChAracteristics of cadaver training and sUrgical studies: The CACTUS guidelines
Notice bibliographique
Résumé
INTRODUCTION: Recent systematic reviews highlighted increasing use of cadaveric models in the surgical training, but reports on the characteristics of the models and their impact on training are lacking, as well as standardized recommendations on how to ensure the quality of surgical studies. The aim of our survey was to provide an easy guideline that would improve the quality of the studies involving cadavers for surgical training and research. METHODS: After accurate literature review regarding surgical training on cadaveric models, a draft of the CACTUS guidelines involving 10 different items was drawn. Afterwards, the items were improved by questionnaire uploaded and spread to the experts in the field via Google form. The guideline was then reviewed following participants feedback, ergo, items that scored between 7 and 9 on nine-score Likert scale by 70% of respondents, and between 1 and 3 by fewer than 15% of respondents, were included in the proposed guideline, while items that scored between 1 and 3 by 70% of respondents, and between 7 and 9 by 15% or more of respondents were not. The process proceeded with Delphi rounds until the agreement for all items was unanimous. RESULTS: In total, 42 participants agreed to participate and 30 (71.4%) of them completed the Delphi survey. Unanimous agreement was almost always immediate concerning approval and ethical use of cadaver and providing brief outcome statement in terms of satisfaction in the use of the cadaver model through a short questionnaire. Other items were subjected to the minor adjustments. CONCLUSION: 'CACTUS' is a consensus-based guideline in the area of surgical training, simulation and anatomical studies and we believe that it will provide a useful guide to those writing manuscripts involving human cadavers.
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 | 0,262 | 0,579 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,032 | 0,031 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,007 | 0,011 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».