Unplanned Sarcoma Excisions: Understanding How They Happen
Notice bibliographique
Résumé
BACKGROUND: Soft-tissue sarcomas present as a mass with nonspecific symptoms, and unplanned excisions commonly occur. The purpose of this study was to analyze the incidence of unplanned excisions performed by orthopaedic surgeons and to conduct a root cause analysis (RCA) of the steps that led to unplanned excisions in all the cases. METHODS: A retrospective case-control study was conducted. Two cohorts were identified, one including patients who underwent an unplanned excision of a soft-tissue sarcoma (n = 107) and a second cohort with patients whose entire care was performed at our sarcoma center (n = 102). A RCA was conducted with the whole sample to identify the preventable causes that led to sarcoma unplanned excisions. RESULTS: Orthopedic surgeons were the second group of physicians to perform the most unplanned excisions, only behind general surgeons. Inadequate imaging was encountered in 76.6% of the patients (n = 82, 95% confidence interval, 67.8 to 83.6). Forty-five patients (42.1%) had no imaging studies before the unplanned procedure. In the RCA, the most notable obstacles found were (1) incorrect assumption of a benign diagnosis, (2) failure to obtain the appropriate imaging study, (3) incorrectly reported imaging studies, (4) failure to order a biopsy, and (5) incorrect reporting of the biopsy. CONCLUSIONS: Despite educational efforts, unplanned excisions and the devastating consequences that sometimes follow continue to occur. Orthopaedic surgeons persist in playing a role in the unplanned procedure burden.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,010 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».