MétaCan
Menu
Retour à la cohorte
Enregistrement W4297832057 · doi:10.1503/cjs.020021

Quality indicators for operative reporting in transanal endoscopic surgery

2022· article· en· W4297832057 sur OpenAlexaffvenueabout
Garrett Johnson, Reagan L. Robertson, Ashley Vergis

Notice bibliographique

RevueCanadian Journal of Surgery · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Imaging in Medicine
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicinePerioperativeDemographicsSurgeryGeneral surgeryDelphi methodMedical physics

Résumé

récupéré en direct d'OpenAlex

Transanal endoscopic surgery (TES) platforms have become quite popular. Many surgeons across the country have begun excising rectal lesions using these platforms; however, the perioperative decision-making surrounding these excisions can be quite variable. To facilitate care between providers, it would be helpful to standardize the way TES is reported. Synoptic operative reports have previously been established as an effective and efficient communication tool. For patients with rectal cancer, synoptic reports are required for pathology, radiology and major oncologic resections, but never previously for TES. We used a Delphi process including 15 stakeholders from across Canada to develop a TES synoptic report. Participants submitted items according to 6 categories: team characteristics, patient demographics, preoperative work-up, lesion characteristics, procedure details and postoperative details. Twenty-six surgeon-entered and 41 auto-populated items reached final inclusion. This will allow generation of a synoptic reporting template to improve perioperative communication for these patients.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,362
Écart entre enseignants0,247 · 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 tête enseignante, 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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetDigital Imaging in MedicineTravaux en français237 207