MétaCan
Menu
Retour à la cohorte
Enregistrement W3193643746 · doi:10.1055/a-1546-9169

The location-based resect and discard strategy for diminutive colorectal polyps: a prospective clinical study

2021· article· en· W3193643746 sur OpenAlexaff
Mahsa Taghiakbari, Heiko Pohl, Roupen Djinbachian, Alan Barkun, Paola Marques, Mickaël Bouin, Eric Deslandres, Benoît Panzini, Simon Bouchard, Audrey Weber, Daniel von Renteln

Notice bibliographique

RevueEndoscopy · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueColorectal Cancer Screening and Detection
Établissements canadiensMcGill UniversityUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineDiminutiveGuidelineConfidence intervalColonoscopyInterval (graph theory)Prospective cohort studyColorectal PolypRadiologyGeneral surgerySurgeryInternal medicinePathologyColorectal cancerCancer

Résumé

récupéré en direct d'OpenAlex

Abstract Background Clinical implementation of the resect-and-discard strategy has been difficult because optical diagnosis is highly operator dependent. This prospective study aimed to evaluate a resect-and-discard strategy that is not operator dependent. Methods The study evaluated a resect-and-discard strategy that uses the anatomical polyp location to classify colonic polyps into non-neoplastic or low risk neoplastic. All rectosigmoid diminutive polyps were considered hyperplastic and all polyps located proximally to the sigmoid colon were considered neoplastic. Surveillance interval assignments based on these a priori assumptions were compared with those based on actual pathology results and on optical diagnosis. The primary outcome was ≥ 90 % agreement with pathology in surveillance interval assignment. Results 1117 patients undergoing complete colonoscopy were included and 482 (43.1 %) had at least one diminutive polyp. Surveillance interval agreement between the location-based strategy and pathological findings using the 2020 US Multi-Society Task Force guideline was 97.0 % (95 % confidence interval [CI] 0.96–0.98), surpassing the ≥ 90 % benchmark. Optical diagnoses using the NICE and Sano classifications reached 89.1 % and 90.01 % agreement, respectively (P < 0.001), and were inferior to the location-based strategy. The location-based resect-and-discard strategy allowed a 69.7 % (95 %CI 0.67–0.72) reduction in pathology examinations compared with 55.3 % (95 %CI 0.52–0.58; NICE and Sano) and 41.9 % (95 %CI 0.39–0.45; WASP) with optical diagnosis. Conclusion The location-based resect-and-discard strategy achieved very high surveillance interval agreement with pathology-based surveillance interval assignment, surpassing the ≥ 90 % benchmark and outperforming optical diagnosis in surveillance interval agreement and the number of pathology examinations avoided.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,033
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,048
Tête enseignante GPT0,385
Écart entre enseignants0,338 · 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'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

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEndoscopyMême sujetColorectal Cancer Screening and DetectionTravaux en français237 207