Serrated Lesion Detection in a Population-based Colon Screening Program
Notice bibliographique
Résumé
BACKGROUND: Serrated lesions give rise to 15% to 30% of all colorectal cancers, driven predominantly by the sessile serrated polyp (SSP). Fecal immunochemical test (FIT), has low sensitivity for SSPs. SSP detection rate (SSPDR) is influenced by performance of both endoscopists and pathologists, as diagnosis can be subtle both on endoscopy and histology. GOALS: To evaluate the SSPDR in a population-based screening program, and the influence of subspecialty trained pathologists on provincial reporting practices. STUDY: The colon screening program database was used to identify all FIT-positive patients that received colonoscopy between January 2014 and June 2017. Patient demographics, colonoscopy quality indicators, pathologic diagnoses, and FIT values were collected. This study received IRB approval. RESULTS: A total of 74,605 colonoscopies were included and 26.6% had at least 1 serrated polyp removed. The SSPDR was 7.0%, with 59% of the SSPs detected having a concurrent conventional adenoma. The mean FIT value for colonoscopies with only serrated lesions was less than that for colonoscopies with a conventional adenoma or colorectal cancer (P<0.0001). Centers with a gastrointestinal subspecialty pathologist diagnosed proportionally more SSPs (P<0.0001), and right-sided SSPs than centers without subspecialists. CONCLUSIONS: Serrated lesions often occur in conjunction with conventional adenomas and are associated with lower FIT values. Knowledge of the characteristics of SSPs is essential for pathologists to ensure accurate diagnosis of SSPs.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».