Colonoscopia difícil y rasgos de personalidad

El tiempo de intubación cecal (CIT) se refiere al tiempo necesario para que la punta del colonoscopio llegue al ciego después de pasar por el ano. Un CIT prolongado se considera un marcador de dificultad en la colonoscopia. Un CIT superior a 10 minutos se considera una colonoscopia difícil. Un CIT más prolongado se asocia con una menor tasa de detección de adenomas, ya que es un indicador de una colonoscopia ineficaz, mientras que un CIT más corto proporcionará al endoscopista más tiempo para la recuperación del colonoscopio, lo que aumentará la probabilidad de detección de adenomas.

Las investigaciones han identificado factores que influyen en la CIT, incluida la edad, el sexo, el índice de masa corporal (IMC), la circunferencia de la cintura, la preparación intestinal y los antecedentes de cirugía abdominal previa.

Se ha descubierto que los rasgos de personalidad están asociados con la aparición de muchas enfermedades, como la hipertensión y la personalidad tipo A, la depresión y la personalidad neurótica. Según la teoría de la personalidad de los Cinco Grandes, la personalidad se puede descomponer en cinco dimensiones: apertura (O), escrupulosidad (C), extraversión (E), amabilidad (A) y neuroticismo (N). La teoría de la personalidad de los Cinco Grandes es una tipología de personalidad comúnmente utilizada en la investigación científica y ha sido confirmada en numerosos estudios. El Inventario de Personalidad de los Cinco Grandes (BFI) es una herramienta para detectar la clasificación de los rasgos de personalidad de los Cinco Grandes. La versión china del Inventario de Personalidad de los Cinco Grandes y las normas fueron revisadas conjuntamente por el profesor Li Jian del Departamento de Psicología de la Universidad Normal de Beijing, y las normas de la escala se construyeron para incluir a personas de diferentes grupos de edad. La escala ha demostrado una excelente fiabilidad y validez.

El descubrimiento del eje cerebro-intestino sugiere que la actividad neuronal puede afectar la actividad intestinal de varias maneras directa o indirectamente, afectando así la dificultad de la colonoscopia, pero todavía falta investigación sobre la relación entre los tipos de personalidad y la colonoscopia difícil, y la correlación específica no ha sido aclarada. Lo que es más importante es que los estudios anteriores a menudo utilizaban regresión de mínimos cuadrados ordinarios (regresión MCO) o regresión logística. El propósito de este estudio es investigar si la personalidad, el IMC, la edad, el sexo, el índice de ansiedad y depresión, las enfermedades metabólicas y los antecedentes de enfermedades abdominales y La cirugía pélvica se asocia con un tiempo prolongado de inserción de la colonoscopia y una colonoscopia difícil, y construir un modelo de diagnóstico clínico mediante el uso de métodos de aprendizaje automático para predecir el tiempo de inserción de la colonoscopia e identificar pacientes con colonoscopia difíciles en función de variables significativas.

El marco básico de investigación está diseñado de la siguiente manera:

Invite a los pacientes programados para una colonoscopia a completar el "Cuestionario de encuesta de colonoscopia y tendencias de personalidad" antes de la colonoscopia.

Registre la finalización de la colonoscopia y la CIT de los pacientes durante la colonoscopia y registre la preparación del colon y la presencia de enfermedades orgánicas graves.

Recopile otra información del paciente, incluida la edad, el sexo y el historial de enfermedades importantes.

Todos los pacientes incluidos en el estudio deben cumplir los criterios de inclusión y no los criterios de exclusión.

Organice los datos y divida a los pacientes en dos grupos en función de si su tiempo CIT es superior a 10 minutos.

Utilice pruebas t y análisis de chi-cuadrado para determinar si cada factor está relacionado con una colonoscopia difícil, con un umbral de significación de P<0,05.

Incluya variables significativas en la regresión logística para el análisis inicial y calcule el OR.

Utilice la regresión LASSO para una selección escasa e incluya características distintas de cero en la construcción del modelo de aprendizaje automático.

Divida los datos en un conjunto de entrenamiento y un conjunto de prueba y construya modelos de bosque aleatorios, modelos de redes neuronales artificiales y modelos de máquinas de vectores de soporte, etc. A través de la curva operativa del receptor (ROC), la precisión, la exactitud, las tasas de recuperación, etc., se puede evaluar el error del modelo y se puede comparar la capacidad de generalización del modelo.