Assessing and evaluating the impact of operative vision compromise (OViC) on surgeons’ practice: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Assessing the effects of compromised vision in laparoscopic and robotic procedures is crucial to understanding its impact on surgical practice and patient safety. Our aim was to examine the impact of operative vision compromise (OViC) on surgeons' practice. METHODS: Intraoperative workload was qualitatively assessed using the NASA-TLX score. Participants included internationally trained surgeons performing laparoscopic sleeve gastrectomy (LSG) procedures. Video recordings of LSG procedures were quantitatively analyzed to assess OViC event frequency and duration to determine their influence on procedural time and surgical flow in a secondary care center. Surgeons' views on OViC were assessed using a custom survey. Cost analysis of basic expenditures was performed. RESULTS: Among 109 participants, the overall NASA-TLX score for OViC was 71.7, indicating a high workload. Out of 81 LSG procedures, 77 experienced at least one lens fouling episode, resulting in 471 OViC events, including 371 lens cleaning occurrences. Significant positive correlations were found between total procedure time and several OViC variables. Compromised vision accounted for 19.3% of total operative time. Lens cleaning constituted 2.5% of the total operative time. In nine (11%) cases, lens cleaning added an average of 7 min per procedure, with the most severe case adding 15 min of operative time. The majority of surgeons (94%) found OViC to impair their performance and compromise patient safety, with 61% reporting witnessing surgical errors or complications directly attributable to OViC. CONCLUSIONS: OViC was linked to increased procedure time, surgical flow disruptions, elevated surgeon workload, cognitive burden, and frustration, and potential patient safety concerns. These findings emphasize the need for innovative solutions to mitigate OViC, thereby potentially minimizing errors and enhancing operative 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 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».