Maximizing Surgical Success by Aligning Interventions to Outcomes: A Systematic Review
Notice bibliographique
Résumé
Objective: This study aimed to identify common intraoperative interventions in surgery and evaluate their effectiveness in improving surgical outcomes. Background: Despite decades of efforts, surgical adverse events remain stubbornly high. There are concerns that too much responsibility is placed on individuals to create change (ie, person-based interventions) rather than adapting systems to support human performance (ie, system-based interventions). This focus may be due to our limited understanding of which interventions most effectively improve outcomes. Methods: A 2-step search was conducted. Systematic and meta-analytic reviews of Medline, CINAHL, Embase, PsycINFO, Scopus, Cochrane Reviews, Cochrane Protocols and Cochrane Trials were identified, and individual studies within these reviews were selected. Qualitative content analysis categorized intervention and outcome types using inductive and deductive methods. Intervention details and directional findings for all outcomes were extracted. Results: A total of 575 studies were included in the final analysis comprising 5,288,513 cases, 25,435 providers and patients, 2608 hospitals, across 50 countries, with 1221 outcomes extracted. Overall, the most common interventions were person-based, including education (38%) and policy (19%). Person-based interventions were more likely to improve interpersonal outcomes such as culture, professional development, and resilience. In contrast, system-based interventions, such as technology (15%), cognitive aids (11%), equipment (11%), standardization (4%), and environment redesign (2%), though less frequently implemented, were effective across all outcome types. Conclusions: Although person-based interventions are widely implemented, system-based interventions generally have a greater impact on surgical outcomes. These results offer valuable insights for optimizing the alignment of interventions to 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 | 0,025 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,011 |
| Bibliométrie | 0,018 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».