Surgical Intelligence Can Lead to Higher Adoption of Best Practices in Minimally Invasive Surgery
Notice bibliographique
Résumé
OBJECTIVE: To examine the use of surgical intelligence for automatically monitoring critical view of safety (CVS) in laparoscopic cholecystectomy (LC) in a real-world quality initiative. BACKGROUND: Surgical intelligence encompasses routine, artificial intelligence-based capture and analysis of surgical video, and connection of derived data with patient and outcomes data. These capabilities are applied to continuously assess and improve surgical quality and efficiency in real-world settings. METHODS: Laparoscopic cholecystectomies conducted at 2 general surgery departments between December 2022 and August 2023 were routinely captured by a surgical intelligence platform, which identified and continuously presented CVS adoption, surgery duration, complexity, and negative events. In March 2023, the departments launched a quality initiative aiming for 75% CVS adoption. RESULTS: Two hundred seventy-nine procedures were performed during the study. Adoption increased from 39.2% in the 3 preintervention months to 69.2% in the final 3 months ( P < 0.001). Monthly adoption rose from 33.3% to 75.7%. Visualization of the cystic duct and artery accounted for most of the improvement; the other 2 components had high adoption throughout. Procedures with full CVS were shorter ( P = 0.007) and had fewer events ( P = 0.011) than those without. OR time decreased following intervention ( P = 0.033). CONCLUSIONS: Surgical intelligence facilitated a steady increase in CVS adoption, reaching the goal within 6 months. Low initial adoption stemmed from a single CVS component, and increased adoption was associated with improved OR efficiency. Real-world use of surgical intelligence can uncover new insights, modify surgeon behavior, and support best practices to improve surgical quality and efficiency.
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 | 0,011 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».