MétaCan
Menu
Retour à la cohorte
Enregistrement W4401745477 · doi:10.1002/ijgo.15860

Good practice with fluid management in operative hysteroscopy

2024· review· en· W4401745477 sur OpenAlexaff
George A. Vilos, Angelos G. Vilos, Basim Abu‐Rafea, Artin Ternamian, Philippe Y. Laberge, Malcolm G. Munro

Notice bibliographique

RevueInternational Journal of Gynecology & Obstetrics · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueUterine Myomas and Treatments
Établissements canadiensUniversité LavalUniversity of TorontoWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineContext (archaeology)ElectrosurgeryHysteroscopyUterine cavitySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Hysteroscopic surgery requires a balance of continuous controlled irrigation and aspiration to distend the endometrial cavity to a degree that provides the clear and stable visual environment necessary for diagnostic and therapeutic procedures. Whereas the preferred distending solution should be isotonic and isonatremic, radiofrequency (RF) electrosurgery with monopolar instrumentation can only be performed with non-ionic (hyponatremic) solutions. Absorption of as little as 500 mL and certainly more than 1000 mL of non-ionic solutions can result in fluid overload and/or dilutional hyponatremia with potentially serious adverse effects under certain conditions and patient characteristics. Both hysteroscopic RF electrosurgery with bipolar instrumentation and electro-mechanical morcellation and aspiration systems use isotonic and isonatremic solutions. Depending on the clinical context, absorption of more than 1500 mL of isonatremic solutions can also result in serious adverse effects. Automated fluid management systems are preferred and recommended, and surgeons should aim to maintain the maximum allowable intravasation of distending media below 1000 and 1500 mL for non-ionic and ionic fluids, respectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,006

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,405
Écart entre enseignants0,372 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Gynecology & ObstetricsMême sujetUterine Myomas and TreatmentsTravaux en français237 207