Celiac disease in North America: What is the current practice of pediatric gastroenterology providers?
Notice bibliographique
Résumé
Objectives: While guidelines exist for the diagnosis and management of pediatric celiac disease (CeD), current practices in North America are not well-described. This study aimed to explore current practice patterns to identify gaps and direct future clinical, training and research initiatives. Methods: A 23-item survey designed by the Celiac Disease Special Interest Group was distributed electronically to its members. Questions explored four themes: (1) screening and diagnosis pre and post the coronavirus disease (COVID)-19 pandemic, (2) treatment and monitoring, (3) family screening and transition of care, and (4) CeD focused training. Results: = 24). While endoscopy remained the gold standard, serology-based diagnosis was accepted by 47.5% (132/278). In response to the COVID-19 pandemic, 37.4% of providers changed their diagnostic practice. Barriers to care included: lack of insurance coverage for dietitians, wait times, and lack of CeD focused training. During fellowship 69.1% (192/278) reported no focused CeD training. Conclusion: Survey results revealed practice variation regarding the diagnosis and management of CeD in North America including a substantial proportion accepting non-biopsy, serology-based diagnosis, which increased during the COVID-19 pandemic. Variations in screening, diagnosis, interval surveillance, and family screening were also identified. Dedicated CeD education in pediatric gastroenterology fellowship may be an opportunity for standardizing practice and advancing research. Future North American guidelines should take current care patterns into consideration and develop new initiatives to improve care of children with CeD.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».