MétaCan
Menu
Retour à la cohorte
Enregistrement W3021767671 · doi:10.5826/dpc.1002a35

Dermoscopy Training Effect on Diagnostic Accuracy of Skin Lesions in Canadian Family Medicine Physicians Using the Triage Amalgamated Dermoscopic Algorithm

2020· article· en· W3021767671 sur OpenAlexaboutno aff
Elizabeth A. Sawyers, Donald T. Wigle, Ashfaq A. Marghoob, Andreas Blum

Notice bibliographique

RevueDermatology Practical & Conceptual · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCutaneous Melanoma Detection and Management
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineSeborrheic keratosisDiagnostic accuracyTriageDermatologySkin cancerObservational studyDermatoscopySkin lesionRadiologyCancerPathologyMelanomaInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Accurate identification of cutaneous lesions is an essential skill for family medicine physicians (FMPs). Studies show significant improvement in skin cancer detection with dermoscopy use. Frontline FMPs are an ideal target group for dermoscopy training. The 3-step Triage Amalgamated Dermoscopic Algorithm (TADA) facilitates high sensitivity and specificity for pigmented and nonpigmented skin lesions. Step I requires unequivocal identification of dermoscopic features for 1 of 3 benign skin lesions: angioma, dermatofibroma, or seborrheic keratosis. If absent, steps II and III are applied assessing for features of architectural disorder and malignancies with organized, symmetric patterns, respectively. OBJECTIVE: To assess FMPs' diagnostic accuracy of benign and malignant skin lesions before and after training in TADA step I. METHODS: In this repeated-measures observational study, 33 dermoscopy-naive FMPs attending an introductory dermoscopy workshop each assessed gross and corresponding dermoscopic photographic images of 50 pigmented and nonpigmented skin lesions (23 benign, 27 malignant) for features of TADA step I lesions before and after training. Analyses compared diagnostic accuracy in relation to training and baseline physician characteristics. RESULTS: Diagnostic accuracy improved from 76.4% to 90.8% (P < 0.001) and from 85.0% to 90.0% (P = 0.01), respectively, for all lesions and for all TADA I lesions. Female sex was significant as a predictor of individual posttraining performance (all lesions combined, P = 0.02). CONCLUSIONS: Results show significant improvement in diagnostic accuracies for benign and malignant skin lesions with introductory dermoscopy training using TADA step I. This will reduce unnecessary benign lesion excision and enhance referral sensitivity, conserving specialist resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,672
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,359
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations22
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDermatology Practical & ConceptualMême sujetCutaneous Melanoma Detection and ManagementTravaux en français237 207