A62 POST COLONOSCOPY COLORECTAL CANCERS IN ALBERTA. A PROCESS FOR IDENTIFYING TRUE CASES
Notice bibliographique
Résumé
Determining Post Colonoscopy Colorectal Cancer (PCCRC) rates is one of the most important measures of colonoscopy quality. Most commonly, PCCRCs are the result of technical factors surrounding the colonoscopy such as inadequate bowel preparation, incomplete examination, missed early lesions and failure to adhere to follow-up guidelines. As these factors are amenable to quality interventions, we set out to identify PCCRC cases from a population perspective with a view to calculating incidence rates. Our objective was to develop a framework for data gathering and analysis in order to identify PCCRC cases and rates in Alberta in order to obtain a clearer understanding of the underlying causes of PCCRC where potential quality interventions might be applied. This was a retrospective population based review of all cases of colorectal cancer (CRC) diagnosed in Alberta in 2013. Data from the Alberta Cancer Registry (ACR) was linked to the Discharge Abstract Database (DAD), the National Ambulatory Care Reporting System (NACRS) and Alberta Ambulatory Care Reporting System (AACRS) databases to determine the timing of antecedent colonoscopies. We defined a PCCRC as a case identified in the ACR with ICD-10 codes for colorectal cancer with an antecedent colonoscopy greater than 6 months but less than 3 years prior to the diagnosis of CRC. Individual chart reviews were carried out to exclude high-risk groups such as IBD or genetic syndromes and to determine lesion location. Before a PCCRC rate could be calculated, we identified that the initial data linking process provided a number of cases that required further in depth review to determine if they met inclusion and exclusion criteria. Subsequently, through an iterative process of chart review, we developed a decision analysis framework (see Figure1), that provided a rational basis for case exclusion as well as systematic categorization of PCCRC root causes. Our analysis also identified areas for future quality improvement initiatives: such as the failure to arrange follow-up after poor bowel preparation or advanced lesions. We also identified cases where access to timely care resulted in the development of a PCCRC. Attempts to identify cases of PCCRC through database linkage identifies cases that require in depth analysis to determine eligibility. We have developed an algorithm that provides a rational basis for case exclusion as well as systematic categorization of PCCRC root causes. None
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».