Core outcomes in nerve surgery: development of a core outcome set for sciatic injury and neuropathy evaluation
Notice bibliographique
Résumé
OBJECTIVE: Core outcome sets (COSs) are needed to promote data consistency across studies as well as data synthesis and comparability. The goal of the current study was to utilize a modified Delphi process to develop a COS-sciatic injury and neuropathy evaluation (COS-SINE). METHODS: A five-stage approach was utilized to develop the COS-SINE: stage 1, consortium development; stage 2, literature review to identify potential outcome measures; stage 3, Delphi survey to develop consensus on outcomes for inclusion; stage 4, Delphi survey to develop definitions; and stage 5, consensus meeting to finalize the COS and definitions. The study followed the Core Outcome Set-STAndards for Development recommendations. RESULTS: The Core Outcomes in Nerve Surgery (COINS) Consortium comprised 23 participants, all neurological surgeons, representing 13 countries. Three participants were excluded on the basis of agreed upon participation rules. The final COS-SINE consisted of 36 data points/outcomes covering the domains of demographics, diagnostics, patient-reported outcomes, motor and sensory outcomes, and complications. Appropriate instruments, methods of testing, and definitions were set. The consensus minimum duration of follow-up was 24 months, with consensus optimal time points for assessment identified as preoperatively and 3, 6, 12, 24, and 36 months postoperatively. CONCLUSIONS: The COINS Consortium developed a consensus COS and provided definitions, methods of implementation, and time points for assessment. The COS-SINE should serve as a minimum set of data that should be collected in all future neurosurgical studies on sciatic nerve injury and neuropathy. Incorporation of this COS should help improve consistency in reporting and data synthesis and comparability and should minimize outcome-reporting bias.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».