A90 ASSESSMENT OF A MULTI-COMPONENT QUALITY IMPROVEMENT INTERVENTION TO IMPROVE DIAGNOSTIC YIELD FROM ENDOSCOPIC ULTRASOUND-GUIDED FINE NEEDLE ASPIRATION BIOPSY OF SOLID MASS LESIONS
Notice bibliographique
Résumé
Abstract Background A chart audit to review endoscopic ultrasound (EUS)-fine needle aspiration biopsy (FNAB) of solid mass lesions from 01/2022-12/2022 identified a diagnostic yield of 75%. To improve this, a quality improvement intervention including increasing the number of needle passes to 3/case, improving needle pass documentation in endoscopy reports, reducing the number of individuals making cytology slides, and using formalin as transport medium for cell block preparation instead of saline was developed and trialed for 9 months. Aims To assess intervention impact on improving the diagnostic yield of EUS-FNAB of solid mass lesions. Methods Three endoscopists were provided targeted education and a chart audit was completed for all patients undergoing EUS-FNAB of solid mass lesions from 01/2024-09/2024. Descriptive statistics were completed. Only a definite diagnosis, as confirmed on histological examination, was considered when calculating the diagnostic yield. Results A total of 183 patients (112 M, 71 F), mean age 63±13 years (range 12-88 years), underwent 198 EUS-FNABs by 3 endoscopists (who made cytology slides, ensured transport medium and completed documentation). Pancreatic masses were the most common (122/198, 62%). A 22-gauge FNAB needle was used in 194/198 (98%) cases. A total of 420 needle passes were performed for 191 patient cases (mean 2.2/case) compared with mean of 1.9/case pre-intervention. Documentation improved, 7 cases (3.5%) did not have the number of needle passes specified compared with 51 cases (26%) pre-intervention. Tissue samples were transported in formalin for histology in 197 cases, on cytology slides in 165 cases, and in formalin for cell block preparation in 42 cases, similar to pre-intervention. Overall, a definite diagnosis was achieved in 156/198 cases (79%) compared with 149/200 (75%) in the pre-intervention year. Stratifying for needle passes, a definite diagnosis was achieved in 20/36 (56%), 69/87 (79%), 56/63 (89%), and 5/5 (100%) cases that had 1, 2, 3, and >3 needle passes, respectively. The number of passes was seen to independently impact diagnostic yield regardless of type of solid mass, endoscopist, type/size of needle used, and whether or not tissue was provided for cell block preparation. Conclusions Although we did not reach our goal of 3 needle passes per case, documentation and the number of tissue samples transported in formalin improved. The results suggest 3 or more needle passes per case may improve diagnostic yield and attempts should be made to avoid performing single needle pass FNAB. Funding Agencies 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».