Rechercher
image du produit
Gastrointestinal Endoscopy

S'abonner

Natural language processing as an alternative to manual reporting of colonoscopy quality metrics - 13/08/15

Doi : 10.1016/j.gie.2015.01.049 
Gottumukkala S. Raju, MD, FASGE 1, ⁎, Phillip J. Lum, BS 1, Rebecca S. Slack, MS 2, Selvi Thirumurthi, MD 1, Patrick M. Lynch, MD 1, Ethan Miller, MD 1, Brian R. Weston, MD 1, Marta L. Davila, MD, FASGE 1, Manoop S. Bhutani, MD, FASGE 1, Mehnaz A. Shafi, MD 1, Robert S. Bresalier, MD 1, Alexander A. Dekovich, MD 1, Jeffrey H. Lee, MD, MPH, FASGE 1, Sushovan Guha, MD, PhD 1, Mala Pande, PhD, MPH 1, Boris Blechacz, MD, PhD 1, Asif Rashid, MD, PhD 3, Mark Routbort, MD, PhD 4, Gladis Shuttlesworth, PhD, MBA 1, Lopa Mishra, MD 1, John R. Stroehlein, MD, FASGE 1, William A. Ross, MD, MBA, FASGE 1
1 Department of Gastroenterology, Hepatology and Nutrition, The University of Texas MD Anderson Cancer Center, Houston, Texas, USA 
2 Department of Biostatistics, The University of Texas MD Anderson Cancer Center, Houston, Texas, USA 
3 Department of Pathology, The University of Texas MD Anderson Cancer Center, Houston, Texas, USA 
4 Department of Hematopathology, The University of Texas MD Anderson Cancer Center, Houston, Texas, USA 

∗Reprint requests: G. S. Raju, MD, 1515 Holcombe Blvd, Unit Number 1466, Houston, TX 77030-4009.

Abstract

Background and Aims

The adenoma detection rate (ADR) is a quality metric tied to interval colon cancer occurrence. However, manual extraction of data to calculate and track the ADR in clinical practice is labor-intensive. To overcome this difficulty, we developed a natural language processing (NLP) method to identify adenomas and sessile serrated adenomas (SSAs) in patients undergoing their first screening colonoscopy. We compared the NLP-generated results with that of manual data extraction to test the accuracy of NLP and report on colonoscopy quality metrics using NLP.

Methods

Identification of screening colonoscopies using NLP was compared with that using the manual method for 12,748 patients who underwent colonoscopies from July 2010 to February 2013. Also, identification of adenomas and SSAs using NLP was compared with that using the manual method with 2259 matched patient records. Colonoscopy ADRs using these methods were generated for each physician.

Results

NLP correctly identified 91.3% of the screening examinations, whereas the manual method identified 87.8% of them. Both the manual method and NLP correctly identified examinations of patients with adenomas and SSAs in the matched records almost perfectly. Both NLP and the manual method produced comparable values for ADRs for each endoscopist and for the group as a whole.

Conclusions

NLP can correctly identify screening colonoscopies, accurately identify adenomas and SSAs in a pathology database, and provide real-time quality metrics for colonoscopy.

Le texte complet de cet article est disponible en PDF.

Abbreviations : ADR, CAADRR, MRN, NLP, SSA


Plan


 DISCLOSURE: All authors received research support for this study from the National Institutes of Health/National Cancer Institute under award number P30CA016672 (and K07CA160753 to M. Pande) and used the Biostatistics Shared Resource. All authors disclosed no financial relationships relevant to this publication.
 See CME section; p. 557.
 If you would like to chat with an author of this article, you may contact Dr Raju at gsraju@mdanderson.org.


© 2015  American Society for Gastrointestinal Endoscopy. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

    •

  • Contenu

    •

Vol 82 - N° 3

P. 512-519 - septembre 2015 Retour au numéro
Article précédent Article précédent
  • Practice patterns of sedation for colonoscopy
  • Ryan E. Childers, J. Lucas Williams, Amnon Sonnenberg
| Article suivant Article suivant
  • Measuring the quality of colonoscopy: Where are we now and where are we going?
  • Timothy D. Imler, Thomas F. Imperiale

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Accès rapides

Mon compte

Aide & support

Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.

Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.