A Competency-Based Ultrasound-Guided Breast Biopsy Training Program for Radiologists From Low-and-Middle-Income Countries that Leverages Mobile Health Technology (NCT04501419): A Study Protocol
Notice bibliographique
Résumé
IntroductionWhile ultrasound-guided breast biopsy (UGBB) performed by a radiologist is the standard of care in high-income countries for diagnosing breast cancer, blind or surgical biopsy has been the norm in low-and middle-income countries (LMIC) in part because LMIC radiologists lack the skill to perform UGBB. We present the study protocol of a competency-based UGBB training program for LMIC Nigerian radiologists that leverages mobile health technology.MethodsThis institutional review board-approved prospective multi-institutional single-arm clinical trial (ClinicalTrials.gov identifier: NCT04501419) involves 13 Nigerian radiologists from eight tertiary hospitals in South West and South East Nigeria. Our training program is unique because it uses a competency-based curriculum developed specifically for LMIC radiologists. The competency-based curriculum incorporates blended learning (e-learning and trainer-led), simulation (supervised and unsupervised), and patient biopsy (supervised and unsupervised) components. The study time frame is two years: 1 year for the trainees to complete active training and patient recruitment and another 1 year for patient follow-up. Primary outcome measures include trainees' competency (measured using the Ottawa Surgical Competency Operating Room Evaluation (O-SCORE)), the radiology-pathology concordance rate, and the complication rate. Secondary outcome measures include the diagnostic interval and the positive predictive value of UGBB.ConclusionBuilding capacity for UGBB in Nigeria and other LMIC can potentially improve breast cancer outcomes through early diagnosis. This training program is part of an implementation multi-component strategy package in Nigeria to improve breast cancer outcomes. This training program can also be adapted for other image-guided procedures that could impact global cancer control through diagnosis, therapeutic intervention, and/or palliation.
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 | 0,013 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,005 |
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 ».