Defining and Applying Locally Relevant Benchmarks for the Adenoma Detection Rate
Notice bibliographique
Résumé
INTRODUCTION: The adenoma detection rate (ADR) is the best validated colonoscopy performance quality indicator. The ASGE/ACG Task Force on Colonoscopy Quality set an ADR benchmark of ≥25% in a mixed male/female population. We propose a novel means for defining locally relevant ADR benchmarks using data from the population of interest and for applying ADR benchmarks using 95% confidence intervals (CIs) of an endoscopist's ADR. We further propose that ADR benchmarks should be raised to reflect what can be achieved by high-performing endoscopists. METHODS: We used endoscopists' performance in a baseline year to develop and apply benchmarks in an assessment year. We defined assessment year benchmarks (Minimally Acceptable, Standard of Care, and Aspirational) based on the average ADR of performance groups defined by baseline year ADR quartiles. We demonstrated the use of these benchmarks in endoscopists performing screening colonoscopies by determining if the upper bound of the 95% CI of the endoscopist's ADR included the ADR benchmark. RESULTS: The study included 8,492 colonoscopies (mean ADR 29%) in 2014 and 5,193 colonoscopies (mean ADR 32%) in 2015, completed at a regional screening center in Calgary, Canada. The Minimally Acceptable, Standard of Care, and Aspirational benchmarks for 2015 were 25%, 30%, and 39%, respectively. The 95% CI of the ADR of 1 (3%), 3 (10%), and 12 (39%) endoscopists did not include the benchmark. DISCUSSION: We have proposed methods for defining and applying benchmarks for ADR in average-risk patients that go beyond the "minimally acceptable" threshold currently recommended.
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 | 0,001 | 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 ».