The Better Operative Outcomes Software Tool (BOOST) Prospective Study: Improving the Quality of Cataract Surgery Outcomes in Low-Resource Settings
Notice bibliographique
Résumé
Purpose Post-operative vision impairment is common among patients who have undergone cataract surgery in low-resource settings, impacting quality of clinical outcomes and patient experience. This prospective, multisite, single-armed, pragmatic validation study aimed to assess whether receiving tailored recommendations via the free Better Operative Outcomes Software Tool (BOOST) app improved surgical outcomes, as quantified by post-operative unaided distance visual acuity (UVA) measured 1–3 days after surgery.Methods During the baseline data collection round, surgeons in low and middle-income countries recorded clinical characteristics of 60 consecutive cataract cases in BOOST. Additional data on the causes of poor outcomes from 20 consecutive cases with post-operative UVA of <6/60 (4–12 weeks post-surgery) were entered to automatically generate tailored recommendations for improvement, before 60 additional consecutive cases were recorded during the follow-up study round. Average UVA was compared between cases recorded in the baseline study round and those recorded during follow-up.Results Among 4,233 cataract surgeries performed by 41 surgeons in 18 countries, only 2,002 (47.3%) had post-operative UVA 6/12 or better. Among the 14 surgeons (34.1%) who completed both rounds of the study (1,680 cases total), there was no clinically significant improvement in post-operative average UVA (logMAR units ±SD) between baseline (0.50 ± 0.37) and follow-up (0.47 ± 0.36) rounds (mean improvement 0.03, p = 0.486).Conclusions Receiving BOOST-generated recommendations did not result in improved UVA beyond what could be expected from prospective monitoring of surgical outcomes alone. Additional research is required to assess whether targeted support to implement changes could potentiate the uptake of app-generated recommendations and improve outcomes.
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 | 0,016 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».