MétaCan
Menu
Retour à la cohorte
Enregistrement W4296162121 · doi:10.1177/15533506221106258

Implementation of an Innovative Technology Called the OR Black Box: A Feasibility Study

2022· article· en· W4296162121 sur OpenAlexaff
Kjestine Emilie Møller, Jette Led Sørensen‎, Martha Krogh Topperzer, Christian Koerner, Bent Ottesen, Mikkel Rosendahl, Teodor Grantcharov, Jeanett Strandbygaard

Notice bibliographique

RevueSurgical Innovation · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesRegion Hovedstaden
Mots-clésMedicineBlack boxComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Introduction . The operating room (OR) Black Box is an innovative technology that captures and compiles extensive real-time data from the OR, allowing identification and analysis of factors that influence intraoperative procedures and performances – ultimately improving patient safety. Implementation of this kind of technology is still an emerging research area and prone to face challenges. Methods . Observational study running from May 2017 to May 2021 conducted at Copenhagen University Hospital – Rigshospitalet, Denmark, involving 152 OR staff and 306 patients. Feasibility of the OR Black Box was assessed in accordance with Bowen’s framework with 8 focus areas. Results . The OR Black Box had a high level of acceptability among stakeholders with 100% participation from management, 93% from OR staff, and 98% from patients. The implementation process improved over time, and an average of 80% of the surgeries conducted were captured. The practical aspects such as numerous formal and informal meetings, ethical and legal approval, recruitment of patients were acceptable, albeit time-consuming. The OR Black Box was adopted without any changes in scheduled surgery program, but capturing hours were adjusted to match the surgery program and relocation of OR staff declining to provide consent was possible. Conclusions . Implementation of the OR Black Box was feasible yet challenging. Management, nearly all staff, and patients embraced the initiative; however, ongoing evaluation, information meetings, and commitment from stakeholders are required and crucial to sustain momentum, continue implementation and expansion. Ideas from this study can be useful in the implementation of similar initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,046
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,046
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,393
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSurgical InnovationMême sujetBig Data and Business IntelligenceTravaux en français237 207