Factors associated with delayed diagnosis of Crohn’s disease: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Delayed diagnosis is a major barrier to the effective management of Crohn's disease (CD). Several studies have investigated factors responsible for delays in diagnosis, but no meta-analyses have systematically assessed the impact of these factors. Aim: To assess the impact of various factors on the delayed diagnosis of CD. Methods: PubMed, EMBASE, and Web of Science databases were searched to identify observational studies published before April 2022 that assessed factors associated with delays in CD diagnosis. Further, we excluded review articles, case reports, or commentaries without original data. We pooled effect siee distinct samples. The assessment of study quality was performed utilizing the Newcastle-Ottawa Scale, while the presence of between-study heterogeneity was investigated. For a visual appraisal of potential publication bias, a funnel plot was employed. The study protocol was registered with PROSPERO, CRD42022322251. Results: A total of 18 studies were included in the paper, covering 13 countries. The study sample consisted of 9669 cases. Ileal CD (OR = 1.46, 95 % CI = 1.21-1.76), smoking at the time of diagnosis (OR = 1.19, 95 % CI = 1.02-1.38), and use of NSAIDs (OR = 1.34, 95 % CI = 1.04-1.72) were significantly associated with a delay in CD diagnosis. However, no significant associations were observed between diagnostic delay and sex, age, endoscopic ileocolonoscopy, or diarrhea. Funnel plot analysis, indicating potential risks of publication bias, suggested the existence of unpublished or unreported study findings. Conclusion: The findings suggest that ileal CD, use of NSAIDs, and smoking are risk factors for the delayed diagnosis of CD. Enhancing education of patients and primary care providers about these factors is warranted.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».