An international, multi-institution survey on performing EUS-FNA and fine needle biopsy
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Endoscopic ultrasound-guided fine needle aspiration (EUS-FNA) and fine needle biopsy (FNB) are effective techniques that are widely used for tissue acquisition. However, it remains unclear how to obtain high-quality specimens. Therefore, we conducted a survey of EUS-FNA and FNB techniques to determine practice patterns worldwide and to develop strong recommendations based on the experience of experts in the field. METHODS: This was a worldwide multi-institutional survey among members of the International Society of EUS Task Force (ISEUS-TF). The survey was administered by E-mail through the SurveyMonkey website. In some cases, percentage agreement with some statements was calculated; in others, the options with the greatest numbers of responses were summarized. Another questionnaire about the level of recommendation was designed to assess the respondents' answers. RESULTS: ISEUS-TF members developed a questionnaire containing 17 questions that was sent to 53 experts. Thirty-five experts completed the survey within the specified period. Among them, 40% and 54.3% performed 50-200 and more than 200 EUS sampling procedures annually, respectively. Some practice patterns regarding FNA/FNB were recommended. CONCLUSION: This is the first worldwide survey of EUS-FNA and FNB practice patterns. The results showed wide variations in practice patterns. Randomized studies are urgently needed to establish the best approach for optimizing the FNA/FNB procedures.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».