Characterization of Near-Infrared Imaging and Indocyanine-Green Use Amongst General Surgeons: A Survey of 263 General Surgeons
Notice bibliographique
Résumé
BACKGROUND: Near-infrared fluorescence imaging (NIRFI) is an increasingly utilized imaging modality, however its use amongst general surgeons and its barriers to adoption have not yet been characterized. METHODS: This survey was sent to Canadian Association of General Surgeons and the Society of American Gastrointestinal and Endoscopic Surgeons members. Survey development occurred through consensus of NIRFI experienced surgeons. RESULTS: Survey completion rate for those opening the email was 16.0% (n = 263). Most respondents had used NIRFI (n = 161, 61.2%). Training, higher volumes, and bariatric, thoracic, or foregut subspecialty were associated with use (P < .001).Common reasons for NIRFI included anastomotic assessment (n = 117, 72.7%), cholangiography (n = 106, 65.8%), macroscopic angiography (n = 66, 41.0%), and bowel viability assessment (n = 101, 62.7%). Technical knowledge, training and poor evidence were cited as common barriers to NIRFI adoption. CONCLUSIONS: NIRFI use is common with high case volume, bariatric, foregut, and thoracic surgery practices associated with adoption. Barriers to use appear to be lack of awareness, low confidence in current evidence, and inadequate training. High quality randomized studies evaluating NIRFI are needed to improve confidence in current evidence; if deemed beneficial, training will be imperative for NIRFI adoption.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».