MétaCan
Menu
Retour à la cohorte
Enregistrement W4379279925 · doi:10.1017/cjn.2023.105

F.6 Cranial neurosurgery medicolegal cases in Canada: a ten-year analysis of Canadian Medical Protective Association (CMPA) data

2023· article· en· W4379279925 sur OpenAlexvenueaboutno aff
Gary Garber, PJ. Finestone, Runwen Liu, Tara M. Barry, K Tourigny, S.J. Barry

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineNeurosurgerySpecialtyRetrospective cohort studyGeneral surgeryMalpracticePediatricsSurgeryFamily medicine

Résumé

récupéré en direct d'OpenAlex

Background: Neurosurgery is a high-risk specialty with a low margin of error. We aim to assess the risk of neurosurgeons being involved in medicolegal cases in Canada. Methods: This retrospective descriptive study evaluated ten years (2012-2021) of closed legal cases, college cases, and hospital complaints against neurosurgeons with data from the CMPA. Included cases were cranial cases, VP shunts, or cases where a catheter or wire was inserted into the brain. Cases excluded angiography, radiation, ultrasound, or percutaneous procedures. Results: We identified 77 cases (66 urgent or emergent). Neurosurgeons had a significantly higher medicolegal risk than the CMPA surgeon membership, however lower risk compared to all physician specialties. Legal cases accounted for 69% with favourable outcomes in 52%. Forty-one cases involved post-operative complications and 16 cases involved VP shunts. Multiple surgeons or residents could be involved spanning age groups and years in practice. Thirty-four cases had a harmful incident, 41% of these severe. The majority of cases occurred at urban centers. The average case duration was 41 months. Conclusions: This study provides a recent medicolegal analysis of cranial neurosurgery in Canada. We identified areas of common complaints and hope the data can be used to mitigate risk surgical risk in the future.

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)0,025
score de la tête « metaresearch » (Gemma)0,109
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,093
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,109
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,012
Études des sciences et des technologies0,0020,002
Communication savante0,0000,001
Science ouverte0,0030,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,124
Tête enseignante GPT0,385
Écart entre enseignants0,261 · 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.

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207