Colonoscopia difícil e traços de personalidade

O tempo de intubação cecal (TIC) refere-se ao tempo necessário para que a ponta do colonoscópio alcance o ceco após passar pelo ânus. Um TIC prolongado é considerado um marcador de dificuldade na colonoscopia. Um TIC superior a 10 minutos é considerado uma colonoscopia difícil. Um TIC mais longo está associado a uma menor taxa de detecção de adenoma, pois é um indicador de uma colonoscopia ineficaz, enquanto um TIC mais curto proporcionará ao endoscopista mais tempo para a recuperação do colonoscópio, aumentando a probabilidade de detecção de adenoma.

A pesquisa identificou fatores que influenciam o TIC, incluindo idade, sexo, índice de massa corporal (IMC), circunferência da cintura, preparo intestinal e histórico prévio de cirurgia abdominal.

Descobriu-se que traços de personalidade estão associados ao aparecimento de muitas doenças, como hipertensão e personalidade tipo A, depressão e personalidade neurótica. De acordo com a teoria da personalidade dos Cinco Grandes, a personalidade pode ser decomposta em cinco dimensões: abertura (O), consciência (C), extroversão (E), agradabilidade (A) e neuroticismo (N). A teoria da personalidade dos Cinco Grandes é uma tipologia de personalidade comumente usada em pesquisas científicas e foi confirmada em vários estudos. O Big Five Personality Inventory (BFI) é uma ferramenta para detectar a classificação dos Big Five traços de personalidade. A versão chinesa do Inventário das Cinco Grandes Personalidades e as normas foram revisadas em conjunto pelo Professor Li Jian, do Departamento de Psicologia da Universidade Normal de Pequim, e as normas da escala foram construídas para incluir pessoas de diferentes faixas etárias. A escala mostrou excelente confiabilidade e validade.

A descoberta do eixo cérebro-intestino sugere que a atividade neural pode afetar a atividade intestinal de várias maneiras, direta ou indiretamente, afetando assim a dificuldade da colonoscopia, mas ainda faltam pesquisas sobre a relação entre tipos de personalidade e colonoscopia difícil, e a correlação específica não foi esclarecida. O que é mais importante é que estudos anteriores frequentemente usavam regressão de mínimos quadrados comuns (regressão OLS) ou regressão logística. O objetivo deste estudo é investigar se personalidade, IMC, idade, sexo, índice de ansiedade e depressão, doenças metabólicas e histórico de problemas abdominais e a cirurgia pélvica está associada ao tempo prolongado de inserção da colonoscopia e à colonoscopia difícil, e construir um modelo de diagnóstico clínico usando métodos de aprendizado de máquina para prever o tempo de inserção da colonoscopia e identificar pacientes com colonoscopia difícil com base em variáveis ​​significativas.

A estrutura básica de pesquisa é projetada da seguinte forma:

Convide os pacientes agendados para colonoscopia a preencher o "Questionário de Pesquisa de Tendências de Personalidade e Colonoscopia" antes da colonoscopia.

Registre a conclusão da colonoscopia e TIC dos pacientes durante a colonoscopia e registre o preparo do cólon e a presença de doenças orgânicas graves.

Colete outras informações do paciente, incluindo idade, sexo e histórico de doenças graves.

Todos os pacientes incluídos no estudo deveriam atender aos critérios de inclusão e não aos critérios de exclusão.

Organize os dados e divida os pacientes em dois grupos com base no tempo de TIC superior a 10 minutos.

Use testes t e análise qui-quadrado para determinar se cada fator está relacionado à colonoscopia difícil, com um limite de significância de P<0,05.

Incluir variáveis ​​significativas na regressão logística para análise inicial e calcular OR.

Use a regressão LASSO para seleção esparsa e inclua recursos diferentes de zero na construção do modelo de aprendizado de máquina.

Divida os dados em conjunto de treinamento e conjunto de teste e construa modelos de floresta aleatórios, modelos de redes neurais artificiais e modelos de máquinas de vetores de suporte, etc. Por meio da curva operacional do receptor (ROC), precisão, exatidão, taxas de recuperação, etc., o erro do modelo pode ser avaliado e a capacidade de generalização do modelo pode ser comparada.