Consensus for Operating Room Multimodal Data Management: Identifying Research Priorities for Data-Driven Surgery
Notice bibliographique
Résumé
Introduction: This study aimed to identify research areas that demand attention in multimodal data-driven surgery for improving data management in minimally invasive surgery. Background: New surgical procedures, high-tech equipment, and digital tools are increasingly being introduced, potentially benefiting patients and surgical teams. These innovations have resulted in operating rooms evolving into data-rich environments, which, in turn, requires a thorough understanding of the data pipeline for improved and more intelligent real-time data usage. As this new domain is vast, it is necessary to identify where efforts should be focused on developing seamless and practical data usage. Methods: A modified electronic Delphi approach was used; 53 investigators were divided into the following groups: a research group (n=9) for problem identification and a narrative literature review, a medical and technical expert group (n=14) for validation, and an invited panel (n=30) for two electronic survey rounds. Round 1 focused on a consensus regarding bottlenecks in surgical data science areas and research gaps, while round 2 prioritized the statements from round 1, and a roadmap was created based on the identified essential and very important research gaps. Results: Consensus panelists have identified key research areas, including digitizing operating room (OR) activities, improving data streaming through advanced technologies, uniform protocols for handling multimodal data, and integrating AI for efficiency and safety. The roadmap prioritizes standardizing OR data formats, integrating OR data with patient information, ensuring regulatory compliance, standardizing surgical AI models, and securing data transfers in the next generation of wireless networks. Conclusions: This work is an international expert consensus regarding the current issues and key research targets in the promising field of data-driven surgery, highlighting the research needs of many operating room stakeholders with the aim of facilitating the implementation of novel patient care strategies in minimally invasive 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.
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 | 0,449 | 0,423 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,021 | 0,025 |
| Science ouverte | 0,008 | 0,026 |
| Intégrité de la recherche | 0,009 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».