468 Surgical Fires and Burns: A 5-year Analysis of Medico-legal Cases
Notice bibliographique
Résumé
Surgical fires and unintended intra-operative burns are “never events”, yet they continue to occur. Medico-legal data provide unique information on the nature of surgical fires and burns and their contributing factors, which can inform strategies for burn prevention. We extracted five years (2012-2016) of data on closed medico-legal cases involving surgical fires and burns from a database which provides medico-legal support to over 95% of Canadian physicians. We performed a retrospective descriptive analysis of the contributing factors using an in-house coding system and independent manual review of the cases by two registered nurses. Fifty-three cases were identified. Twenty-six cases originated from thermal sources (49.1%), 16 from fires (30.2%), 5 from chemical sources (9.4%), and 6 from undetermined sources (11.3%). Burns affected <10% total body surface area (TBSA) in 62.3% of cases, 10-19% in 3.8%, or unspecified TBSA in 34.0%. Approximately 90% involved the head/neck (49.1%) or trunk (41.5%). Common contributing factors were improper use or malfunction of devices such as cautery resulting in thermal burns, oxygen concentration above the lowest level during electrocautery causing fire, and incorrect application of antiseptic agents during skin preparation leading to chemical burns. Non-technical factors also contributed, such as failure of surgical teams to communicate critical information intra-operatively. These results demonstrate that it may be beneficial to focus on strategies to improve situational awareness, including team communication, and adherence to surgical safety protocols and policies in order to mitigate surgical burns or fires. While infrequent, these events provide opportunities to improve surgical safety. Effective team communication and system strategies to manage the fire triangle (ignition, oxygen, fuel) may help prevent these “never events”.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».