Propofol sedation does not improve measures of colonoscopy quality but increase cost – findings from a large population-based cohort study
Notice bibliographique
Résumé
Background: Propofol is often used for sedation during colonoscopy. We assessed the impact of propofol sedation on colonoscopy related quality metrics and cost in a population-based cohort study. Methods: All colonoscopies performed at 21 hospitals in the province of Ontario, Canada, during an 18-month period, from April 1, 2017 to October 31, 2018, using either propofol or conscious sedation were evaluated. The primary outcome was adenoma detection rate (ADR) and secondary outcomes were sessile serrated polyp detection rate (ssPDR), polyp detection rate (PDR), cecal intubation rate (CIR), and perforation rate. Binary outcomes were assessed using a modified Poisson regression model adjusted for clustering and potential confounders based on patient, procedure, and physician characteristics. Findings: A total of 46,634 colonoscopies were performed, of which 16,408 (35.2%) received propofol and 30,226 (64.8%) received conscious sedation. Compared to conscious sedation, the use of propofol was associated with a lower ADR (24.6% vs. 27.0%, p < 0.0001) but not ssPDR (5.0% vs. 4.7%, p = 0.26), PDR (40.5% vs 40.4%, p = 0.79), CIR (97.1% vs. 96.8%, p = 0.15) or perforation rate (0.04% vs. 0.06%, p = 0.45). On multi-variable analysis, propofol sedation was not associated with any differences in ADR (RR = 0.90, 95% CI 0.74-1.10, p = 0.30), ssPDR (RR = 1.20, 95% CI 0.90-1.60, p = 0.22), PDR (RR = 1.00, 95% CI 0.90-1.11, p = 0.99), or CIR (RR = 1.00, 95% CI 0.80-1.26, p = 0.99). The additional cost associated with propofol sedation was $12,730,496 for every 100,000 cases. Interpretation: The use of propofol sedation was not associated with improved colonoscopy related quality metrics but increased costs. The routine use of propofol for colonoscopy should be reevaluated. Funding: None.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».