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 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 | 0,000 | 0,001 |
| 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 ».