An Online Preoperative Screening Tool to Optimize Care for Patients Undergoing Cancer Surgery: A Mixed-Method Study Protocol
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: Despite surgery being the primary curative treatment for cancer, patients with compromised preoperative physical, nutritional, and psychological status are often at a higher risk for complications. While various screening tools exist to assess physical, nutritional, and psychological status, there is currently no standardised self-reporting tool, or established cut-off points for comprehensive risk assessment. This study aims to develop, validate, and implement an online self-reporting preoperative screening tool that identifies modifiable risk factors in cancer surgery patients. METHODS: This mixed-methods study consists of three distinct stages: (1) Development-(i) a scoping review to identify available physical, nutritional, and psychological screening tools; (ii) a Delphi study to gain consensus on the use of available screening tools; and (iii) a development of the online screening tool to determine patients at high risk of postoperative complications. (2) Testing-a prospective cohort study determining the correlation between at-risk patients and postoperative complications. (3) Implementation-the formulation of an implementation policy document considering feasibility. CONCLUSIONS: The timely identification of high-risk patients, based on their preoperative physical, nutritional, and psychological statuses, would enable referral to targeted interventions. The implementation of a preoperative online screening tool would streamline this identification process while minimising unwarranted variation in preoperative treatment optimisation. This systematic approach would not only support high-risk patients but also allow for more efficient provision of surgery to low-risk patients through effective risk stratification.
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 | 0,067 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,005 |
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 ».