Bowel Preparation for Colonoscopy in Patients with Diabetes Mellitus—A Gap We Have to Bridge: A Review
Notice bibliographique
Résumé
Colonoscopy is an essential diagnostic and therapeutic tool in gastroenterology, significantly impacting colorectal cancer (CRC) detection and management. Effective bowel preparation is critical for optimal visualization, directly influencing colonoscopy accuracy and patient outcomes. However, diabetic patients frequently encounter challenges achieving adequate bowel preparation, primarily due to gastroparesis, autonomic neuropathy, altered colonic motility, fluid-electrolyte imbalances, and complexities related to antihyperglycemic medication adjustments. This review aims to evaluate the current literature on bowel preparation efficacy in diabetic patients undergoing colonoscopy, assess existing guidelines from leading gastroenterological societies, and highlight the necessity for detailed, diabetes-specific recommendations. We conducted a comprehensive PubMed search identifying 20 pertinent studies, including randomized controlled trials, meta-analyses, multicenter studies, cohort studies, and reviews. The findings consistently indicate diabetes as an independent predictor of inadequate bowel preparation. Furthermore, an evaluation of guidelines from the European Society of Gastrointestinal Endoscopy (ESGE), the US Multi-Society Task Force, and the Canadian Association of Gastroenterology revealed either absent or insufficiently detailed diabetes-specific recommendations. Given the rising global prevalence of diabetes and CRC, inadequate bowel preparation significantly impacts the quality of colonoscopy, adenoma detection rates, patient safety, and healthcare costs. This review underscores the urgent need for additional research focusing on tailored bowel preparation strategies for diabetic patients. Ultimately, the implementation of standardized, evidence-based protocols designed explicitly for this high-risk group is essential to enhance diagnostic efficacy, improve patient outcomes, and reduce CRC-related morbidity and mortality.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».