A90 WHEN DO TRAINEES ACHIEVE COMPETENCY IN PERFORMING ENDOSCOPIC SUBMUCOSAL DISSECTION: A SYSTEMATIC REVIEW
Notice bibliographique
Résumé
Abstract Background Endoscopic submucosal dissection (ESD) is an established organ sparing curative endoscopic resection technique for the management of pre-malignant and superficially invasive malignant lesions of the gastrointestinal tract. However, little is understood of its learning curve with suggested competency measures including en bloc resection, R0 resection, adverse events and resection speed. Aims We aimed to perform a systematic review on when competency is achieved in ESD. Methods Two authors independently searched MEDLINE and EMBASE (1946 to Aug 2021) for full-text original citations including grey literature assessing the ESD learning curve. A learning curve was defined as an assessment of competency as a function of increasing trainee experience. Thresholds for competency were defined as en bloc resection ≥ 80%, R0 resection ≥ 80%, perforation rate ≤ 5% and resection speed ≤ 6.67min/cm2. Results Forty-three studies (1 esophageal, 11 gastric, 27 colorectum, 4 multiple sites) with 157 trainees and 8780 ESD procedures were included. Baseline experience in esophagogastroduodenoscopy, colonoscopy, endoscopic mucosal resection and ESD were 800–10,000, 100–10,000, 4–700 and 0–300 procedures, respectively. 16 studies used animal model training prior to assessing the ESD learning curve. En bloc resection, R0 resection, perforation rate and resection speed were used as markers of competency in 33, 29, 28 and 21 studies, respectively. When pooling evaluations where competency was achieved, it was reached in the esophagus, stomach, colorectum and for multiple sites between <10, <10–150, <10–301, and <20–300 procedures, respectively (Table 1). However, competency in R0 resection, perforation rate, and resection speed was not uniformly achieved within 12 studies. Conclusions Competency in ESD can be achieved in <10 - 399 procedures, with variability dependent on organ site and baseline level of training. With the widespread adoption of ESD, standardization of training and the assessment of competency are needed. Funding Agencies None
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 | 0,015 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,008 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».