The SUPER reporting guideline suggested for reporting of surgical technique: explanation and elaboration
Notice bibliographique
Résumé
Background: Surgical technique plays an essential role in achieving good health outcomes. However, the quality of surgical technique reporting remains heterogeneous. Reporting checklists could help authors to describe the surgical technique more transparently and effectively, as well as to assist reviewers and editors evaluate it more informatively, and promote readers to better understand the technique. We previously developed SUPER (surgical technique reporting checklist and standards) to assist authors in reporting their research that contains surgical technique more transparently. However, further explanation and elaboration of each item are needed for better understanding and reporting practice. Methods: We searched surgical literature in PubMed, Google Scholar and journal websites published up to January 2023 to find multidiscipline examples in various article types for each SUPER item. Results: We explain the 22 items of the SUPER and provide rationales item by item alongside. We provide 69 examples from 53 literature that present optimal reporting of the 22 items. Article types of examples include pure surgical technique, and case reports, observational studies and clinical trials that contain surgical technique. Examples are multidisciplinary, including general surgery, orthopaedical surgery, cardiac surgery, thoracic surgery, gastrointestinal surgery, neurological surgery, oncogenic surgery, and emergency surgery etc. Conclusions: Along with SUPER article, this explanation and elaboration file can promote deeper understanding on the SUPER items. We hope that the article could further guide surgeons and researchers in reporting, and assist editors and peer reviewers in reviewing manuscripts related to surgical technique.
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 | 0,378 | 0,300 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».