Colonscopia difficile e tratti della personalità

Il tempo di intubazione cecale (CIT) si riferisce al tempo necessario affinché la punta del colonscopio raggiunga il cieco passando attraverso l'ano. Un CIT prolungato è considerato un indicatore di difficoltà in colonscopia. Un CIT superiore a 10 minuti è considerato una colonscopia difficile. Un CIT più lungo è associato a un tasso di rilevamento dell'adenoma inferiore, poiché è un indicatore di una colonscopia inefficace, mentre un CIT più breve fornirà all'endoscopista più tempo per il recupero del colonscopio, aumentando la probabilità di rilevamento dell'adenoma.

La ricerca ha identificato i fattori che influenzano il CIT, tra cui età, sesso, indice di massa corporea (BMI), circonferenza della vita, preparazione intestinale e anamnesi di precedenti interventi chirurgici addominali.

È stato scoperto che i tratti della personalità sono associati all'insorgenza di molte malattie, come l'ipertensione e la personalità di tipo A, la depressione e la personalità nevrotica. Secondo la teoria della personalità dei Big Five, la personalità può essere scomposta in cinque dimensioni: apertura (O), coscienziosità (C), estroversione (E), gradevolezza (A) e nevroticismo (N). La teoria della personalità dei Big Five è una tipologia di personalità comunemente usata nella ricerca scientifica ed è stata confermata in numerosi studi. Il Big Five Personality Inventory (BFI) è uno strumento per rilevare la classificazione dei tratti della personalità Big Five. La versione cinese del Big Five Personality Inventory e delle norme sono state riviste congiuntamente dal professor Li Jian del Dipartimento di Psicologia dell’Università Normale di Pechino, e le norme della scala sono state costruite per includere persone di diverse fasce di età. La scala ha dimostrato eccellente affidabilità e validità.

La scoperta dell'asse cervello-intestino suggerisce che l'attività neurale può influenzare l'attività intestinale in vari modi direttamente o indirettamente, influenzando così la difficoltà della colonscopia, ma mancano ancora ricerche sulla relazione tra tipi di personalità e colonscopia difficile, e la correlazione specifica non è stata chiarita. Ciò che è più importante è che gli studi precedenti utilizzavano spesso la regressione dei minimi quadrati ordinari (regressione OLS) o la regressione logistica. Lo scopo di questo studio è quello di indagare se la personalità, il BMI, l'età, il sesso, l'indice di ansia e depressione, le malattie metaboliche e la storia di disturbi addominali e la chirurgia pelvica è associata a un tempo di inserimento della colonscopia prolungato e a una colonscopia difficile e di costruire un modello diagnostico clinico utilizzando metodi di apprendimento automatico per prevedere il tempo di inserimento della colonscopia e identificare i pazienti con colonscopia difficili sulla base di variabili significative.

Il quadro di base della ricerca è concepito come segue:

Invitare i pazienti in attesa di colonscopia a compilare il "Questionario sull'indagine sulle tendenze della personalità e sulla colonscopia" prima della colonscopia.

Registrare il completamento della colonscopia e della CIT per i pazienti durante la colonscopia e registrare la preparazione del colon e la presenza di gravi malattie organiche.

Raccogliere altre informazioni sui pazienti, tra cui età, sesso e storia delle principali malattie.

Tutti i pazienti inclusi nello studio dovrebbero soddisfare i criteri di inclusione e non soddisfare i criteri di esclusione.

Organizzare i dati e dividere i pazienti in due gruppi in base al fatto che il loro tempo CIT sia superiore a 10 minuti.

Utilizzare i test t e l'analisi chi quadrato per determinare se ciascun fattore è correlato a una colonscopia difficile, con una soglia di significatività di P<0,05.

Includere variabili significative nella regressione logistica per l'analisi iniziale e calcolare l'OR.

Utilizza la regressione LASSO per la selezione sparsa e includi funzionalità diverse da zero nella costruzione del modello di machine learning.

Dividere i dati in set di addestramento e set di test e costruire modelli di foreste casuali, modelli di reti neurali artificiali e supportare modelli di macchine vettoriali, ecc. Attraverso la curva operativa del ricevitore (ROC), la precisione, l'accuratezza, i tassi di richiamo, ecc., è possibile valutare l'errore del modello e confrontare la capacità di generalizzazione del modello.