Core outcomes in nerve surgery: development of a core outcome set for common peroneal (fibular) neuropathy
Notice bibliographique
Résumé
OBJECTIVE: Common peroneal (fibular) neuropathy is the most common mononeuropathy of the lower extremity. Despite this, there are surprisingly few studies on the topic, and a knowledge gap remains in the literature. As one attempts to address this knowledge gap, a core outcome set (COS) is needed to guide the planning phases of future studies to allow synthesis and comparability of these studies. The objective of this study was to develop the COS-common peroneal neuropathy (CoPe) using a modified Delphi approach. METHODS: A 5-stage approach was used to develop the COS-CoPe: 1) stage 1, consortium development; 2) stage 2, a literature review to identify potential outcome measures; 3) stage 3, a Delphi survey to develop consensus on outcomes for inclusion; 4) stage 4, a Delphi survey to develop definitions; and 5) stage 5, a consensus meeting to finalize COS and definitions. The study followed the COS-STAndards for Development (COS-STAD) recommendations. RESULTS: The Core Outcomes in Nerve Surgery (COINS) Consortium comprised 23 participants, all neurological surgeons, representing 13 countries. The final COS-CoPe consisted of 31 data points/outcomes covering domains of demographics, diagnostics, patient-reported outcomes, motor/sensory outcomes, and complications. Appropriate instruments, methods of testing, and definitions were set. The consensus minimum duration of follow-up was 12 months. The consensus optimal time points for assessment were preoperatively and 3, 6, 12, and 24 months postoperatively. CONCLUSIONS: The COINS Consortium developed a consensus COS and provided definitions, methods of implementation, and time points for assessment. The COS-CoPe should serve as a minimum set of data that should be collected in all future neurosurgical studies on common peroneal neuropathy. Incorporation of this COS should help improve consistency in reporting, data synthesis, and comparability, and should minimize outcome reporting bias.
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 | 0,147 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,011 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».