Interventions to improve the quality of screening-related colonoscopy: protocol for a systematic review and network meta-analysis of randomised controlled trials
Notice bibliographique
Résumé
Introduction Colonoscopy quality can vary depending on endoscopist-related factors. Quality indicators, such as adenoma detection rate (ADR), have been adopted to reduce variations in care. Several interventions aim to improve ADR, but these fall into several domains that have traditionally been difficult to compare. We will conduct a systematic review and network meta-analysis of randomised controlled trials evaluating the efficacies of interventions to improve colonoscopy quality and report our findings according to clinically relevant interventional domains. Methods and analysis We will search MEDLINE (Ovid), PubMed, EMBASE, CINAHL, Web of Science, Scopus and Evidence-Based Medicine from inception to September 2022. Four reviewers will screen for eligibility and abstract data in parallel, with two accordant entries establishing agreement and with any discrepancies resolved by consensus. The primary outcome will be ADR. Two authors will independently conduct risk of bias assessments. The analyses of the network will be conducted under a Bayesian random-effects model using Markov-chain Monte-Carlo simulation, with 10 000 burn-ins and 100 000 iterations. We will calculate the ORs and corresponding 95% credible intervals of network estimates with a consistency model. We will report the impact of specific interventions within each domain against standard colonoscopy. We will perform a Bayesian random-effects pairwise meta-analysis to assess heterogeneity based on the I 2 statistic. We will assess the certainty of evidence using the Grading of Recommendations Assessment, Development and Evaluation framework for network meta-analyses. Ethics and dissemination Our study does not require research ethics approval given the lack of patient-specific data being collected. The results will be disseminated at national and international gastroenterology conferences and peer-reviewed journals. PROSPERO registration number CRD42021291814.
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 | 0,103 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,009 | 0,006 |
| Méta-épidémiologie (sens large) | 0,025 | 0,030 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,010 |
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 ».