MétaCan
Menu
Retour à la cohorte
Enregistrement W2993816502

대장 내시경 전처치로서 Polyethylene Glycol 용액 분할 복용과 대장운동 촉진제 병합 요법 사이의 효과 비교 분석

2006· article· ko· W2993816502 sur OpenAlexaboutno aff
김진관, 조훈, 김영묵, 김강민, 박성남, 이무열, 이준상

Notice bibliographique

Revue대한소화기내시경학회지 · 2006
Typearticle
Langueko
DomaineMedicine
ThématiqueDiverse Approaches in Healthcare and Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPEG ratioPolyethylene glycolPEG 400ChemistryBiochemistryBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

목적: 대장 내시경 검사를 효율적으로 시행하기 위해서는 대장 정결이 무엇보다 중요하며, 동시에 환자의 순응도를 높이는 것 또한 중요하다. 이에 저자들은 4 L polyethylene glycol (PEG) 용액을 분할 복용하는 방법과 저용량의 PEG 용액 복용, 그리고 대장 운동 촉진제인 비사코딜과 저용량의 PEG를 병용하는 전처치법 사이에 대장 정결 효과와 환자의 순응도 및 부작용을 비교하고자 하였다. 대상 및 방법: 2004년 12월부터 2005년 2월까지 왈레스기념 침례병원 소화기 내시경실로 방문하여 대장 내시경을 시행 받은 외래 환자 190명을 대상으로 하였다. 대장 내시경 검사를 시행 받을 예정인 환자를 무작위로 3군으로 분류하여 A군은 검사 전날 저녁과 당일 오전에 PEG 2 L씩을 복용토록 하였으며, B군은 검사 당일 PEG 2 L를 복용토록 하였다. C군은 검사 전날 저녁식후 2시간에 비사코딜 10 ㎎을 복용토록 하고 검사 당일 PEG 2 L를 복용토록 하였다. 피검자의 불편 정도와 재검사 용의를 검사 시행 직전 설문 조사하였고, 4명의 내시경의가 Ottawa 척도를 이용하여 대장 정결도와 검사 용이성을 평가하였다. 결과: A군에서 4예(6.7%)에서 다 복용하지 못하였으며, B군과 C군에서는 다 복용하지 못한 환자들이 없었다(p=0.012). 환자가 느끼는 불편함은 2 L를 단독 복용한 B군이 4 L 분할 복용한 A군에 비해 유의하게 적었으나(p=0.01), 재검사 용의를 묻는 설문에서는 세 군 간에 유의한 차이를 볼 수 없었다(p=0.448). A군이 B군에 비해 유의하게 대장 정결도가 우수하였고(p=0.000), C군 또한 B군에 비해 p-value가 0.060으로 통계학적으로 유의하지는 않았으나 정결도가 더 우수해 보였다. 결론: PEG 4 L 분할 복용이나 대장운동촉진제와 저용량의 PEG의 병용은 두 방법 사이에 순응도와 대장 정결도에서 유의한 차이가 없으며, 2 L PEG 복용에 비하여 대장 정결도에서 우수한 대장 전처치 방법으로 생각한다.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,052
Tête enseignante GPT0,329
Écart entre enseignants0,276 · 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 non 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

Citations0
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue대한소화기내시경학회지Même sujetDiverse Approaches in Healthcare and Education StudiesTravaux en français237 207