MétaCan
Menu
Retour à la cohorte
Enregistrement W3135847313 · doi:10.1093/jcag/gwab002.091

A93 VOLUME OF EMR EXPOSURE IN TRAINING IS CORRELATED WITH POLYPECTOMY COGNITIVE COMPETENCE AMONGST RECENT GASTROENTEROLOGY GRADUATES

2021· article· en· W3135847313 sur OpenAlexaffabout
Thurarshen Jeyalingam, Catharine M. Walsh, Samir C. Grover, Steven J. Heitman, Jeffrey D. Mosko

Notice bibliographique

RevueJournal of the Canadian Association of Gastroenterology · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueGastric Cancer Management and Outcomes
Établissements canadiensUniversity of TorontoSickKids FoundationThe Wilson CentreHospital for Sick ChildrenSt. Michael's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPolypectomyColonoscopyMedicineCompetence (human resources)CognitionEndoscopyDescriptive statisticsGeneral surgeryInternal medicineMedical physicsColorectal cancerPsychologyCancer

Résumé

récupéré en direct d'OpenAlex

Abstract Background Competence in performing polypectomy is increasingly appreciated as a colonoscopy quality metric, as incomplete resection can lead to post-colonoscopy colorectal cancer, particularly for polyps removed using piecemeal endoscopic mucosal resection (EMR). The relationship between training experiences and cognitive competence in polypectomy has not been previously described. Aims We aimed to examine associations between training and assessment experiences, self-reported comfort, and cognitive competence in polypectomy amongst recent graduates of Canadian gastroenterology training programs. Methods An online survey was distributed to recent GI graduates (≤5 years in independent practice). The survey comprised 4 sections: (1) demographics; (2) training and assessment experiences in colonoscopy, polypectomy, and EMR; (3) self-reported comfort in performing aspects of polypectomy outlined in the Direct Observation of Polypectomy Skills Assessment Tool; and (4) performance on a 22-item multiple choice quiz intended to assess cognitive competence in polypectomy (items and correct responses to which were determined a priori based on agreement of two experts). Data was analyzed using descriptive statistics and associations between predictors (demographics, training/assessment experiences, self-reported comfort) and outcomes (quiz score) were assessed using multiple linear regression. Results There were 28 survey respondents, comprising 13 (46%) who trained in advanced endoscopy, 5 (18%) in hepatology, 2 (7%) in motility, 1 (4%) in IBD, 1 (4%) in nutrition, and 6 (21%) with no advanced training. This cohort had a mean (SD) duration in independent practice of 29.0 (18.4) months. Their mean (SD) annual volume of colonoscopy, polypectomy, and EMR in independent practice was 530 (221), 182 (76), 28 (16), respectively and they had completed 525 (203) colonoscopies, 146 (92) polypectomies, and 23 (20) EMRs in their prior training. Their mean (SD) quiz score was 71.9% (13.2%). ANOVA revealed significant score differences based on fellowship history, with those trained in advanced endoscopy achieving the highest scores (81.1%, P=0.01). Multiple linear regression revealed that the number of EMRs completed during training was significantly correlated with quiz performance (B=0.60, P=0.03). Conclusions EMR experience during training appears to be associated with cognitive competence in polypectomy in independent practice. These results suggest increasing exposure to EMR in training may improve polypectomy quality amongst practicing endoscopists. Funding Agencies CAG

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,014
Tête enseignante GPT0,228
Écart entre enseignants0,215 · 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'étudeObservationnel
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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association of GastroenterologyMême sujetGastric Cancer Management and OutcomesTravaux en français237 207