Influence of Otolaryngological Subspecialties on Perception of Transoral Robotic Surgery: An International YO-IFOS Survey
Notice bibliographique
Résumé
BACKGROUND: To investigate perception, adoption, and awareness on the part of otolaryngology and head and neck surgeons (OTO-HNS) of transoral robotic surgery (TORS). METHODS: Several items assessed: awareness/perception; access to TORS; training; indications and advantages/hurdles to TORS practice. A subanalysis was performed to assess differences according to the identified otolaryngological subspecialties. RESULTS: A total of 359 people completed the survey. Among subspecialties, while for otolaryngologists 30/359 (8.4%) and H&N surgeons 100/359 (27.9%) TORS plays an effective role in hospital stay, laryngologists frequently disagreed (54.3%). There was a lower incidence among rhinologists and otologists (1.9%). Pediatric surgeons (0.8%) reported a positive response regarding the adoption of robotic surgery, and head and neck specialists expressed an even greater response (14.2%). Low adherence was related to perceived cost-prohibitive TORS, by 50% of H&N surgeons. CONCLUSIONS: Perception, adoption, and knowledge about TORS play a key role in the application of the robotic system, significantly varying across subspecialties.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».