Screening Indication Associated With Lower Likelihood of Minor Adverse Events in Patients Undergoing Outpatient Colonoscopy
Notice bibliographique
Résumé
We sought to determine, among outpatients at one university hospital endoscopy center, rates of self-reported minor adverse events (MAEs) at 2, 14, and 30 days postcolonoscopy and to identify predictors of MAEs at Day 2 postcolonoscopy. A single-center longitudinal cohort study with follow-ups at Days 2, 14, and 30 postcolonoscopy was conducted in Montreal, Canada. Baseline self-report data included patient age, gender, gastrointestinal discomforts and other discomforts in the preceding month, and comorbidity. Intracolonoscopy procedures and the method of insufflation were obtained from endoscopy reports. Minor adverse event data were obtained by either phone or Internet survey. Multivariate logistic regression was used to identify predictors of MAEs at Day 2. Of 705 individuals approached, 420 (mean age = 58.7 years; SD = 8.4, 45.7% female) were eligible and consented to study participation, and 378 (90%) participated in at least one follow-up. At Days 2, 14, and 30, 86 (25.1%), 46 (13.7%), and 13 (3.1%) patients, respectively, experienced at least one MAE. At the Day 30 follow-up, 2 (0.53%) patients reported having experienced a serious adverse event. The multivariable analysis results showed that screening compared with nonscreening colonoscopy was protective for MAEs at 2 days (OR = 0.5, 95% CI [0.3, 0.9]). We found that 25% of patients experienced at least one MAE at 2 days postcolonoscopy, and screening compared with nonscreening colonoscopy patients were half as likely to experience these early MAEs. Nurses may use these findings to educate and reassure patients about colonoscopy risks. Large, longitudinal multicenter studies are needed to corroborate our findings.
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 ».