MétaCan
Menu
Retour à la cohorte
Enregistrement W4408220740 · doi:10.1016/j.xjon.2025.02.014

Quantifying random variability in decision-making in pediatric cardiac surgery

2025· article· en· W4408220740 sur OpenAlexaff
Kayla V. Dlugos, Mjaye Mazwi, Marisa Signorile, Chun‐Po Steve Fan, Patricia Trbovich, Osami Honjo

Notice bibliographique

RevueJTCVS Open · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient-Provider Communication in Healthcare
Établissements canadiensNorth York General HospitalTed Rogers Centre for Heart ResearchHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésClinical decision makingMedicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Objective: Random variability in day-to-day decision-making referred to as "noise" is associated with variation that negatively affects both the reproducibility and quality of decision-making. Although well described in other fields, the prevalence and significance of noise in medical decision-making are understudied and largely unknown. The goal of this study was to quantify noise in medical decision-making using a noise audit. Methods: A noise audit was completed by 71 (n = 71) Heart Centre staff at the Hospital for Sick Children and Seattle Children's Hospital and involved a series of cases and questions surrounding decisions commonly encountered in the care for patients with transposition of the great arteries and critical aortic stenosis. Entropy was used to quantify total variation in responses. Because absolute entropy was not immediately comparable across audit questions with a different number of prespecified options, we reported a standardized version of entropy, which was calculated by dividing the absolute entropy by its theoretical maximum for each case. To compare responses in easy to hard questions across years of experience (<10 years and >10 years) and role, we reported aggregate entropy ratios. Aggregate entropy ratios were calculated by first stratifying by group of comparison and then calculating the standardized entropy for each question and taking the average of standardized entropies for easy questions and hard questions. Finally, to determine the ratio (easy to hard), we divided the average standardized entropy of the easy questions by the average standardized entropy of the hard questions. Results: The overall audit aggregate entropy ratio was 0.85 less than 1, indicating lower-complexity questions had less variation than higher-complexity questions. The aggregate entropy ratio for those with more than 10 years of experience was 0.8 and 0.87, respectively, for those with less than 10 years of experience. The aggregate entropy ratios for those in cardiac critical care, cardiology, and cardiovascular surgery were 0.85, 0.83, and 0.96, respectively. Conclusions: Noise was pervasive in medical decision-making in the analysis of our responses to common medical decisions made for patients with congenital heart disease and can be quantified in a manner that facilitates comparisons.

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)0,008
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,259
Tête enseignante GPT0,501
Écart entre enseignants0,242 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJTCVS OpenMême sujetPatient-Provider Communication in HealthcareTravaux en français237 207