Influence of trainee involvement on procedural characteristics for linear endobronchial ultrasound
Notice bibliographique
Résumé
BACKGROUND: Linear endobronchial ultrasound (EBUS) is a safe and effective method for the diagnostic sampling of mediastinal lymph nodes. However, there is a learning curve associated with the procedure and operator experience influences diagnostic yield. We sought to determine if trainee involvement during EBUS influences procedural characteristics, complication rate, and diagnostic yield. METHODS: We performed a retrospective analysis of 220 subjects who underwent an EBUS procedure at our center from December 2012 to June 2013. Procedures were performed by six different interventional pulmonologists with substantial experience with EBUS or by a trainee under their direct supervision. Procedural characteristics and complications were recorded. Diagnostic yield and specimen adequacy were compared between groups. RESULTS: EBUS was performed in 220 patients with a trainee involved (n = 116) or by staff physician alone (n = 104). Patient characteristics, and the number and size of lymph node stations sampled were similar. EBUS duration was longer (16.0 vs. 13.7 minutes; P = 0.002) and the total dose of lidocaine used was higher (322.3 vs. 304.2 mg; P = 0.045) when a trainee was involved. The rate of adequate specimens sampled was comparable between the groups (92.0 vs. 92.0%; P = 0.60). Diagnostic yield was lower when a trainee was involved in the EBUS procedure (52.6 vs. 68.3%; P = 0.02). CONCLUSION: Trainee involvement significantly increased EBUS duration and the dose of local anesthesia used for the procedure. Diagnostic yield was lower when a trainee was involved. Factors accounting for this difference in yield, despite adequate samples being obtained, warrant further investigation.
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 | 0,000 |
| 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 ».