Impact of fatigue in surgeons on performance and patient outcome: systematic review
Notice bibliographique
Résumé
BACKGROUND: While fatigue is an inevitable aspect of performing surgical procedures, lack of consensus remains on its effect on surgical performance. The aim of this systematic review was to assess the effect of non-muscular fatigue on surgical outcome. METHODS: MEDLINE and Embase were searched up to 17 January 2023. Studies on students, learning, duty-hour restrictions, muscle fatigue, non-surgical or subjective outcome, the weekend effect, or time of admission were excluded. Studies were categorized based on real-life or simulated surgery. The Cochrane risk-of-bias tool was used to assess RCTs and the Newcastle-Ottawa scale was used to assess cohort studies. Due to heterogeneity among studies, data pooling was not feasible and study findings were synthesized narratively. RESULTS: From the 7251 studies identified, 134 studies (including 1 684 073 cases) were selected for analysis (110 real-life studies and 24 simulator studies). Of the simulator studies, 46% (11 studies) reported a deterioration in surgical outcome when fatigue was present, using direct measures of fatigue. In contrast, only 35.5% (39 studies) of real-life studies showed a deterioration, observed in only 12.5% of all outcome measures, specifically involving aggregated surgical outcomes. CONCLUSION: Almost half of simulator studies, along with one-third of real-life studies, consistently report negative effects of fatigue, highlighting a significant concern. The discrepancy between simulator/real-life studies may be explained by heightened motivation and effort investment in real-life studies. Currently, published fatigue and outcome measures, especially in real-life studies, are insufficient to fully define the impact of fatigue on surgical outcomes due to the absence of direct fatigue measures and crude, post-hoc outcome measures.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,002 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».