Global trends in training and credentialing guidelines for gastrointestinal endoscopy: a systematic review
Notice bibliographique
Résumé
Abstract Background and study aims Credentialing, the process through which an institution assesses and validates an endoscopist’s qualifications to independently perform a procedure, can vary by region and country. Little is known about these inter-societal and geographic differences. We aimed to systematically characterize credentialing recommendations and requirements worldwide. Methods We conducted a systematic review of credentialing practices among gastrointestinal and endoscopy societies worldwide. An electronic search as well as hand-search of World Endoscopy Organization members’ websites was performed for credentialing documents. Abstracts were screened in duplicate and independently. Data were collected on procedures included in each document (e. g. colonoscopy, ERCP) and types of credentialing statements (procedural volume, key performance indicators (KPIs), and competency assessments). The primary objective was to qualitatively describe and compare the available credentialing recommendations and requirements from the included studies. Descriptive statistics were used to summarize data when appropriate. Results We screened 653 records and included 20 credentialing documents from 12 societies. Guidelines most commonly included credentialing statements for colonoscopy, esophagogastroduodenoscopy (EGD), and ERCP. For colonoscopy, minimum procedural volumes ranged from 150 to 275 and adenoma detection rate (ADR) from 20 % to 30%. For EGD, minimum procedural volumes ranged from 130 to 1000, and duodenal intubation rate of 95 % to 100%. For ERCP, minimum procedural volumes ranged from 100 to 300 with selective duct cannulation success rate of 80 % to 90 %. Guidelines also reported on flexible sigmoidoscopy, capsule endoscopy, and endoscopic ultrasound. Conclusions While some metrics such as ADR were relatively consistent among societies, there was substantial variation among societies with respect to procedural volume and KPI statements.
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 | 0,022 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,020 | 0,026 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».