A Nationwide Survey of Training Pathways and Practice Trends of Endoscopic Submucosal Dissection in Canada
Notice bibliographique
Résumé
Background: Endoscopic submucosal dissection (ESD) has become an established standard for endoscopic removal of large gastrointestinal (GI) lesions and early GI malignancies. However, ESD is technically challenging and requires significant health care infrastructure. As such, its adoption in Canada has been relatively slow. The practice of ESD across Canada remains unclear. Our study aimed to provide a descriptive overview of training pathways and practice trends of ESD in Canada. Methods: Current ESD practitioners across Canada were identified and invited to participate in an anonymous cross-sectional survey. Results: Twenty-seven ESD practitioners were identified; survey response rate was 74%. Respondents were from 15 different institutions. All practitioners underwent international ESD training of some type. Fifty per cent pursued long-term ESD training programs. Ninety-five per cent attended short-term training courses. Sixty per cent and 40% performed hands-on live human upper and lower GI ESD, respectively, before independent practice. In practice, 70% saw an increase per year in number of procedures performed from 2015 to 2019. Sixty per cent were dissatisfied with their institution's health care infrastructure to support ESD. Thirty-five per cent perceived their institution as supportive of expanding the practice of ESD. Conclusions: Several challenges exist to the adoption of ESD in Canada. Training pathways are variable, with no set standards. In practice, practitioners express dissatisfaction with access to necessary infrastructure and feel poorly supported in expanding the practice of ESD. As ESD is increasingly the accepted standard for the treatment of many neoplastic GI lesions, greater collaboration between practitioners and institutions is crucial to standardize training and ensure patient access.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».