Endoscopic size measurement of colorectal polyps: a systematic review of techniques
Notice bibliographique
Résumé
Background: Accurate size measurement of colorectal polyps is critical for clinical decision making and patient management. This systematic review aimed to evaluate the current techniques used for colonic polyp measurement to improve the reliability of size estimations in routine practice. Methods: A comprehensive literature search was conducted across PubMed, EMBASE, and MEDLINE to identify studies relevant to size measurement techniques published between 1980 and March 2024. The primary outcome was the accuracy of polyp sizing techniques used during colonoscopy. Results: 61 studies were included with 34 focusing on unassisted and assisted endoscopic visual estimation and 27 on computer-based tools. There was significant variability in visual size estimation among endoscopists. The most accurate techniques identified were computer-based systems, such as virtual scale endoscopes (VSE) and artificial intelligence (AI)-based systems. The least accurate techniques were visual or snare-based polyp size estimation. VSE assists endoscopists by providing an adaptive scale for real-time, direct, in vivo polyp measurements, while AI systems offer size measurements independent of the endoscopist’s subjective judgment. Conclusion: This review highlights the need for standardized, accurate, and accessible techniques to optimize sizing accuracy during endoscopic procedures. There is no consensus on a gold standard for measuring polyps during colonoscopy. While biopsy forceps, snare, and graduated devices can improve the accuracy of visual size estimation, their clinical implementation is limited by practical, time, and cost challenges. Computer-based techniques will likely offer improved accuracy of polyp sizing in the near future.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 ».