Dermoscopy, a useful tool for general practitioners in melanoma screening: a nationwide survey
Notice bibliographique
Résumé
BACKGROUND: Dermoscopy improves diagnostic accuracy in melanoma, as shown by several meta-analyses. Although it is used by general practitioners (GPs) in Australia, Canada and Italy, no published data on this topic are available in France. OBJECTIVES: To review the opinions and use of dermoscopy by GPs in France and to understand their practice of skin examination. METHODS: We designed a descriptive and cross-sectional survey and conducted it between 26 November and 26 December 2014. An anonymous, multiple-choice questionnaire about the demographic characteristics, skin examination modalities and use and training in dermoscopy was sent to 4057 GPs in four large regions of France. Pearson, χ(2) , Student, Welch and Fisher tests were used for cross-tabulation statistical analysis. RESULTS: Only 8% of respondents had access to a dermoscope; most were male practitioners and aged > 50 years. Dermoscopy increased self-confidence in analysing pigmented lesions (P = 0·004), and dermoscopy users referred fewer patients to dermatologists. The number of biopsies was reduced in the dermoscopy users group (P = 0·004). In total, 425 questionnaires were returned and analysed. Dermoscopy users took more time to evaluate a single pigmented lesion (P = 0·015). Only 16·9% of physicians declared having received some training on dermoscopy, yet this number reached 47% for those owning a dermoscope. Their training was mostly short and recent. Overall 29·2% of the respondents said the main advantage was to reduce the number of referrals to the dermatologists (P = 0·004), while its main disadvantage was the necessity of training (54·6%). Our responders declared they could spend seven working days on a dermoscopy training course. CONCLUSIONS: Our study demonstrates positive opinions regarding dermoscopy, despite a minority of French GPs using this technique in the areas surveyed. The need for formal training appears to be the main limitation to wider use. Appropriate and specifically designed training programmes should be offered.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».