Identification of factors associated with sedation tolerance in 5000 patients undergoing outpatient colonoscopy: Canadian tertiary center experience
Notice bibliographique
Résumé
AIM: To develop a prediction model aimed at identifying patients that may require higher than usual sedation doses during colonoscopy. METHODS: A retrospective chart review on 5000 patients who underwent an outpatient colonoscopy at St. Paul's Hospital from 2009 to 2010 was conducted in order to develop a model for identifying patients who will require increased doses of sedatives. Potential predictor variables including age, gender, endoscopy indication, high sedation requirements during previous endoscopies, difficulty of the procedure, bowel preparation quality, interventions, findings as well as current use of benzodiazepines, opioids and alcohol were analyzed. The outcome of study was the use of high dose of sedation agents for the procedure. In particular, the high dose of sedation was defined as fentanyl greater than 50 mcg and midazolam greater than 3 mg. RESULTS: = 0.001) having the highest predictive value of high sedation requirements. Our prediction model using the following pre-procedural variables including age, gender, indication for the procedure, medication/substance use, previous surgeries, previous high sedation requirements for colonoscopy yielded an area under the curve of 0.76 for Fentanyl ≥ 100 mcg and Midazolam ≥ 3 mg. CONCLUSION: Pre-procedural planning is the key in conducting successful, efficient colonoscopy. Logistic regression analysis of 5000 patients who underwent out-patient colonoscopy revealed the following factors associated with increased sedation requirement: Younger age, female gender, difficult endoscopy, specific indications as well as cardiopulmonary complications and current use of opioids/benzodiazepines. Age and gender adjusted analysis yielded similar results. These patients are more likely to need a longer recovery periods post-endoscopy, which could result in additional time and personnel requirements. The final predictive model has good predictive ability for Fentanyl ≥ 100 mcg and Midazolam ≥ 3 mg and fair predictive ability for Fentanyl ≥ 50 mcg and Midazolam ≥ 2 mg. The external validity of this model is planned to be tested in another center.
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) | 0,000 | 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 ».