Understanding the Appropriate and Beneficial Use of Before and After Photos in Breast Surgery: A North American Survey
Notice bibliographique
Résumé
Introduction: Before and after photographs (BAPs) in breast surgery have been identified as important components of the informed consent process. Currently, there is limited consensus on the contents and presentation of BAPs. This study collected the opinions of prior and prospective patients on this topic. Methods: A survey, based on criteria identified by our previous nominal group technique (NGT) study, was designed to obtain patient perspectives on BAPs in breast surgery. Amazon Mechanical Turk, a validated crowd-sourcing tool, was used to identify and survey a group of 72 participants who indicated that they had undergone or were planning to undergo breast surgery. Likert items were analyzed using either chi-squared or Fisher's exact test. Results: Most respondents were cis-gendered-women (89%), Caucasian (83%), and between 31 and 41 years old (38%). Respondents agreed that BAPs are important to the consent process, for enabling patient-centered care, and should be presented in standardized sets. BAPs should be more accessible through different platforms, display multiple time points to show the healing process, and have multiple views including close-ups of scars. Photos should be unaltered except for de-identification, and have more diversity with regard to patient gender, age, skin color, and body mass index. These results align with results from our NGT study. Conclusion: Through this study we have identified many criteria that BAPs should meet according to prior and prospective breast surgery patients. Surgeons should think critically about how they present BAPs during the consent process to ensure effective patient-centered care.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».