The STROCSS 2024 guideline: strengthening the reporting of cohort, cross-sectional, and case–control studies in surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: First released in 2017, the STROCSS guidelines have become integral for promoting high-quality reporting of observational research in surgery. However, regular updates are essential to ensure they remain relevant and of value to surgeons. Building on the 2021 updates, the authors have developed the STROCSS 2024 guidelines. This timely revision aims to address residual reporting gaps, assimilate recent advances, and further strengthen observational study quality across all surgical disciplines. METHODS: A core steering committee compiled proposed changes to update the STROCSS 2021 guidelines based on identified gaps in prior iterations. An expert panel of surgical research leaders then evaluated the proposed changes for inclusion. A Delphi consensus exercise was used. Proposals that scored between 7-9 on a nine-point Likert agreement scale, by ≥70% of Delphi participants, were integrated into the STROCSS 2024 checklist. RESULTS: In total, 46 of 56 invited participants (82%) completed the Delphi survey and hence participated in the development of STROCSS 2024. All suggested amendments met the criteria for inclusion, indicating a high level of agreement among the Delphi group. All proposed items were therefore integrated into the final revised checklist. CONCLUSION: The authors present the updated STROCSS 2024 guidelines, which have been developed through expert consensus to further enhance the transparency and reporting quality of observational research in surgery.
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.
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 | 0,272 | 0,188 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle