Required withdrawal times to meet adenoma detection targets during colonoscopy
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Physicians with baseline adenoma detection rates (ADRs) less than 26% who improve their ADR can reduce patients' risk of postcolonoscopy colorectal cancer. We investigated the average corrected withdrawal time (cWT) required for low-performers (<25% baseline ADR) to achieve an ADR of at least 26%. METHODS: This prospective study used full-length video recordings of elective colonoscopies to determine cWT, ie, withdrawal time adjusted by subtracting the duration of interventions, to better represent mucosal inspection time. The primary outcome was the average cWT required for low performers to achieve an ADR ≥26%. Secondary outcomes included the cWT required for high performers to reach ADR ≥26%, and for both groups to achieve ADR ≥35%. In addition, absolute and incremental increases in ADR, advanced ADR, sessile serrated lesion detection rate, polyp detection rate, polyp and adenomas per colonoscopy per additional cWT, and overall withdrawal time (WT) minute were assessed. RESULTS: In total, 1072 colonoscopies performed by 15 endoscopists were included. Low performers required about 11 minutes of cWT to reach an ADR ≥26% and 11 minutes longer than high performers to achieve ADR ≥35% (2'59″ vs 14'08″). Each additional cWT minute increased adenoma detection odds by 7.1% overall (5.2% for high performers, 15.0% for low performers; P < .001). Absolute ADR gains per cWT minute were 1.1% to 1.3% for high performers and 1.2% to 3.4% for low performers. All detection metrics significantly increased with longer cWT and overall WT. CONCLUSIONS: Longer cWT improves detection across all metrics, with the greatest benefit for low performers. These results support implementation of individualized WT recommendations on the basis of baseline endoscopist performance rather than a universal time threshold.
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 | 0,004 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 ».