Colonoscopy quality improvement after initial training: A cross-sectional study of intensive short-term training
Notice bibliographique
Résumé
Abstract Background and study aims High-quality is crucial for the effectiveness of colonoscopy and can be achieved by high-quality training and verified with assessment of key performance indicators (KPIs) for colonoscopy such as cecum intubation rate (CIR), adenoma detection rate (ADR) and adequate polyp resection. Typically, trainees achieve adequate CIR after 275 procedures, but little is known about learning curves for KPIs after initial training. Methods This cross-sectional study includes work-up colonoscopies after a positive screening test with fecal occult blood testing (FIT) or sigmoidoscopy, performed by either trainees after 300 training colonoscopies or by consultants. Outcome measures were KPIs. We assessed inter-endoscopist variation in trainees and learning curves for trainees as a group. We also compared KPIs for trainees and consultants as a group. Results Data from 6,655 colonoscopies performed by 21 trainees and 921 colonoscopies performed by 17 consultants were included. Most trainees achieved target standards for main KPIs. With time, trainees shortened cecum intubation time and withdrawal time without decreasing their ADR, reduced the proportion of painful colonoscopies, and increased the adequate polyp resection rate (all P < 0.01). Compared to consultants, trainees had higher CIR (97.7 % vs. 96.3 %, P = 0.02), ADR after positive FIT (57.6 % vs. 50.3 %, P < 0.01), and proximal ADR after sigmoidoscopy screening (41.1 % vs. 29.8 %; P < 0.01), higher adequate polyp resection rate (94.9 % vs. 93.1 %, P = 0.01) and fewer serious adverse events (0.65 % vs. 1.41 %, P = 0.02). Conclusions Trainees performed high-quality colonoscopies and achieved international target standards. Several KPIs continuously improved after initial training. Trainees outperformed consultants on several KPIs.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».