MétaCan
Menu
Retour à la cohorte
Enregistrement W4402479221 · doi:10.1016/j.hfh.2024.100087

Surgical instrument counting: Current practice and staff perspectives on technological support

2024· article· en· W4402479221 sur OpenAlexfundno aff
Anton M. Kooijmans, L. de Rouw, Michaël Van der Elst, John J. van den Dobbelsteen

Notice bibliographique

RevueHuman Factors in Healthcare · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueHemostasis and retained surgical items
Établissements canadiensnon disponible
Organismes subventionnairesPhoenix Foundation
Mots-clésCurrent (fluid)PsychologyComputer scienceEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

• Operation room nurses often face multiple simultaneous responsibilities. • During surgical instrument counting, varying techniques are used to manage workload. • Counting technology could provide support before and after surgical procedures. Surgical instrument counting is a manual, attention-intensive task of the operating room (OR) nurse. Many labour-saving technologies have been proposed, but implementation remains challenging. Knowledge of current counting methods and staff preferences could guide future developments towards effective application. We observed OR nurses counting materials and instruments in 50 surgical procedures performed by various surgical specialties in a regional teaching hospital in Delft, The Netherlands. Additionally, we surveyed them on their preferences concerning the methods of counting. Variations in approaches of surgical counting were observed, with OR nurses using multiple strategies and counting techniques to manage disruptions and limit workload. Interest in using supportive technology is limited to the preoperative and postoperative phase. This research relates observational data to staff preferences. Our findings may guide future developments of labour-saving innovations regarding surgical counting towards developing more effective applications and to ensure successful implementation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,395
Écart entre enseignants0,322 · 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 tête enseignante, 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
GenreEmpirique

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 revueHuman Factors in HealthcareMême sujetHemostasis and retained surgical itemsTravaux en français237 207