Assessing the Accuracy of Endoscopic Estimates of Lesion Size in Urology Using <i>In Vitro</i> Models of the Urinary Tract
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Despite the frequency at which urologists endoscopically estimate lesion size, their accuracy has not been established. Our objectives were to determine the accuracy of cystoscopic and ureteroscopic estimates of lesion size using in vitro models of the urinary tract and to assess potential impacting factors. METHODS: Eleven staff urologists and 9 urology learners performed cystoscopy on a series of pig bladders containing mock papillary and flat lesions. Each provided three sets of size estimates: two using only the cystoscope to assess intraobserver agreement and the third with the aid of a ureteral catheter as a visual reference. Similar estimates were made with a flexible ureteroscope on papillary lesions within an inorganic upper urinary tract model. Differences in mean estimates and the agreement between repeated estimates were assessed. RESULTS: The level of endoscopic training did not influence the mean error of estimation (MEE) for either cystoscopy or ureteroscopy regardless of lesion size and appearance. Staff and learners consistently underestimated lesion size with median errors of 34% and 43%, with excellent (median intraclass correlation coefficient [ICC] of 0.97) and fair (median ICC of 0.56) reproducibility for cystoscopy and ureteroscopy, respectively. Use of the visual reference during cystoscopy did not improve the MEE. CONCLUSIONS: Urologists, regardless of their level of training, substantially underestimate lesion size by 34% to 43%. These findings are independent of lesion size and appearance, and the use of a visual reference during cystoscopy. Recognizing this tendency and adjusting estimates accordingly or improving instrumentation should improve clinical and operative decision-making.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».