MétaCan
Menu
Retour à la cohorte
Enregistrement W2922068822 · doi:10.1111/den.13389

Randomized controlled study of the prediction of diminutive/small colorectal polyp histology using didactic versus computer‐based self‐learning module in gastroenterology trainees

2019· article· en· W2922068822 sur OpenAlexaff
Samuel C. Smith, John R. Saltzman, Uday N. Shivaji, Brendan Cord Lethebe, Rosanna Cannatelli, Subrata Ghosh, Marietta Iacucci

Notice bibliographique

RevueDigestive Endoscopy · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Institute for Health and Care ResearchBirmingham Biomedical Research CentreUniversity Hospitals Birmingham NHS Foundation Trust
Mots-clésDiminutiveMedicineRandomized controlled trialNiceInternal medicineColorectal PolypEndoscopyGastroenterologyConfidence intervalColorectal cancerColonoscopyCancerComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND AIM: The aim of this randomized trial was to evaluate the performance of self-training versus didactic training in order to increase the diagnostic accuracy of diminutive/small colonic polyp histological prediction by trainees. METHODS: Sixteen trainees reviewed 78 videos (48 iSCAN-OE and 30 NBI) of diminutive/small polyps in a pretraining assessment. Trainees were randomized to receive computer-based self-learning (n = 8) or didactic training (n = 8) using identical teaching materials and videos. The same 78 videos, in a different randomized order, were assessed. The NICE (NBI International Colorectal Endoscopic) and SIMPLE (Simplified Identification Method for Polyp Labeling during Endoscopy) classification systems were used to classify diminutive/small polyps. RESULTS: A higher proportion of high-confidence predictions of polyps was made by the self-training group versus the didactic group using both the SIMPLE classification (77.1% [95% CI 73.4-80.3] vs 69.9% [95% CI 66.1-73.5%] [P = 0.005]) and the NICE classification (77% [95% CI 73.2-80.4%] vs 69.8% [95% CI 66-73.4%] [P = 0.006]). When using NICE, sensitivity of the self-training group compared with the didactic group was 72% versus 83% (P = 0.0005), and the accuracy was 66.1% versus 69.1%. The training improved the confidence of participants and SIMPLE was preferred over NICE. CONCLUSION: Self-learning for the prediction of diminutive/small polyp histology is a method of training that can achieve results similar to didactic training. Availability of adequate self-learning teaching modules could enable widespread implementation of optical diagnosis in clinical practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,264
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigestive EndoscopyMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207