综述文章

介入肺脏病学中的侵入性操作：基于教育证据的逐步操作叙述性综述

353 次观看

⸱

DOI：

10.3791/69416

⸱

2026年2月10日

1Copenhagen Academy for Medical Education and Simulation (CAMES), Rigshospitalet, 2100 Copenhagen, University of Copenhagen

本文内容

摘要

介入肺脏病学的操作正变得越来越微创。本综述讨论了基于循证医学的介入肺脏病学分步操作方法，以确保患者安全和诊断准确性。

摘要

肺癌是全球癌症死亡人数最多的疾病。肺癌的准确诊断和分期需要侵入性操作，目前正趋向于采用微创方法。本叙述性综述总结并讨论了标准化、分步骤的操作流程，旨在提高患者安全性、诊断准确性以及在可弯曲支气管镜检查、支气管腔内超声和内镜超声（EBUS 和 EUS）、径向支气管腔内超声（rEBUS）、电磁导航支气管镜、局部麻醉胸腔镜检查、支气管腔内冷冻活检以及经胸超声引导下肺活检等操作中的一致性。传统的学徒制培训模式，如哈尔斯特德方法：“"看一次，做一次，教一次"”，正越来越多地受到研究的挑战，这些研究表明经验并不一定代表专业能力。建议采用基于模拟的培训和结构化评估，并以梅西克效度框架等理论体系为指导，以确保操作能力达标。新兴技术如人工智能（AI）在提升培训质量、操作导航和绩效评估方面展现出潜力，尤其在支气管镜和肺部超声领域。随着介入性肺病学的发展，整合经过验证的培训方案、模拟训练与人工智能技术，对于实现教育标准化和改善患者诊疗至关重要。

引言

诊断和分期肺癌及肺部疾病通常需要采用侵入性操作，以获取高质量的组织样本，同时尽量降低对患者的伤害风险。随着新型微创技术的不断涌现1，系统化、分步骤的操作方法对于降低操作风险并最大化诊断成功率至关重要。无论目标是肺实质、胸膜腔还是纵隔淋巴结，结构化的操作策略均可减少操作差异性，实现培训标准化，并改善患者预后2,3,4,5,6,7,8。

然而，尽管已有国际指南并逐渐形成最佳实践的共识，侵入性操作在不同医疗机构和医生之间的学习与实施方式仍常存在差异。9传统的Halsted原则 "看一遍，做一遍，教一遍" 在医学培训中仍处于核心地位，但正日益得到可视化和结构化学习工具的支持。在此背景下，基于视频的标准化分步操作流程可增强对临床操作的理解，尤其有助于初入行的临床医生或在采用新技术时。通过提供可视化和系统化的方法 "见一，" 此类文章可使从业者在首次操作前理解该流程 "做一次" 或在实践过程中比较和优化其操作 "教一个" 水平。

本综述性文章总结了介入性肺脏病学领域中若干逐步发展的技术方法，包括可弯曲支气管镜检查、支气管内和内镜超声检查、径向EBUS、电磁导航支气管镜检查、局部麻醉胸腔镜检查、支气管内冷冻活检以及经胸超声引导下肺活检（表1），这些技术共同构建了更为广泛且基于证据的侵入性肺脏病学诊疗框架。

操作步骤分步操作方案的标题
Flexible Bronchoschopy系统性支气管镜检查：四标志物法3。
Endobronchial Ultrasound Sampling (EBUS)系统性支气管内超声检查：六标志物法5。
Endoscopic Ultrasound (EUS)在食管中使用内镜进行支气管内超声检查6。
Transbronchial Lung Cryobiopsy (TLC)经支气管肺冷冻活检诊断间质性肺疾病和外周肺部病变——分步法4。
Ultrasound guided Transtoracic Lunb Biopsy (US-TTLB).超声引导下经胸肺活检的分步操作方法7。
Radial EBUS (rEBUS) and Electromagnetic Navigation Bronchoscopy (ENB).结合透视成像的径向支气管内超声与电磁导航支气管镜检查用于外周肺部病变的诊断8。
Local Anestetic Thoracoscopy (LAT)局部麻醉下胸腔镜检查用于不明原因胸腔积液的诊断2. 

表1：逐步操作方案。

访问受限。请登录或开始试用以查看此内容。

综述与观点

肺癌是全球癌症死亡人数最多的癌种10，患者需要接受侵入性肺科手术以进行组织取样和分期。

可弯曲支气管镜检查、支气管内超声（EBUS）和内镜超声（EUS）
可通过可弯曲支气管镜检查3对中央型肿瘤进行组织取样，同时利用支气管内超声（EBUS）5和食管内镜超声（EUS）6进行淋巴结取样。Cold 等人3提出了一种四标志点法，用于高效检查18个支气管节段（图1）3，该方法基于以下三项评估指标：诊断完整性（DC）（例如，已检查的节段）、结构化进展（SP）11和平均节段间时间（MIT）（例如，操作效率）。令人担忧的是，多项研究表明，即使被明确要求，经验丰富的支气管镜医师也未能检查所有节段11,12,13,14,15,16,17。经验并不等同于专业能力，这正说明了系统化方法的必要性3。2015年CHEST专家小组关于成人支气管镜培训的报告18强烈支持向基于能力的培训模式转变，建议采用经过验证的评估框架，而非单纯依赖操作数量，作为认证和患者安全的基础。因此，四标志点法已被与一种人工智能（AI）导航系统在初学者中的应用进行了比较19，结果显示AI更具优势：即使在关闭AI的情况下，使用AI训练的初学者仍优于采用四标志点法者19。同一AI系统也提升了中级和经验丰富的支气管镜医师的操作表现20，进一步说明经验并不能保证专业能力，“看一次、做一次、教一次”的培训模式是一种过时且不足的方法，即使医师已完成>250例支气管镜检查（该研究中定义为“经验丰富”）20。传统的哈斯泰德式培训或一般的师徒制支气管镜培训模式也可能需要修订。唯一一项直接比较AI辅助支气管镜培训与专家指导培训的随机对照试验21表明，AI引导显著提高了操作效率，同时保持了与专家指导相当的诊断完整性和认知负荷。这一发现支持将AI作为补充教学工具而非取代人类专家，为基于能力的培训提供了一种结构化且可扩展的方法。这在资源匮乏的地区可能尤为重要，因为在这些地区专家指导十分稀缺。然而，AI在支气管镜中的可扩展性仍需在今后的研究中进一步评估22。另一项研究显示，AI结合掌握式学习（mastery learning）具有更优效果23，即受训者需根据DC、SP和MIT等绩效指标达到预设的熟练目标。尽管2015年CHEST专家小组已建议将掌握式学习用于可弯曲支气管镜的学习长达十年之久18，但这是首项实际应用掌握式学习的研究24，凸显了支气管镜培训研究与医学教育文献之间存在的脱节25。

肺段示意图；支气管镜下显示肺叶、旋转角度和支气管解剖标志。
图1：系统且高效检查支气管树的四个解剖标志方法。 本图经Cold等18许可修改。 请点击此处查看此图的放大版本。

人工智能可能是解决学习和确保掌握支气管镜检查技能的有效方案26人工智能可有效提升并保障结肠镜检查的性能27,28,29，已有多种人工智能系统进入商业应用。人工智能在支气管镜检查中的临床实施仍处于起步阶段，大多数研究仍集中于超声内镜引导下支气管镜（EBUS）和超声内镜（EUS）的诊断应用，而非实际临床操作中的实时引导。30因此，EBUS的结构化方法5 和EUS6 将来可能会由人工智能提供支持，但目前仍需依赖医生的专业技能。这种专业技能在基于模拟的培训环境中能够最高效地获得，因为基于模拟的培训在支气管内超声（EBUS）领域优于传统的临床培训。31基于模拟的培训使患者免受临床医生学习曲线初期阶段的影响，且受益于基于模拟培训干预的不仅限于初学者32 (图2）。结构化的操作策略可减少变异性，标准化培训流程，并提高支气管内超声引导下经支气管针吸活检术（EBUS）的患者预后33,34 如 Nielsen 等人所述，采用六标志物方法进行 EBUS 检查5 (图3）。基于这一方法，欧洲呼吸学会（ERS）已启动一项培训项目，以确保学员能够在基于模拟的环境中获得相应能力35遗憾的是，目前尚无可用于内镜超声（EUS）的虚拟现实（VR）培训模拟器。6,36，这可能是因为在一个系统中同时实现超声和内镜成像存在较高的技术复杂性，且难以实现逼真的触觉反馈。我们迫切呼吁开发者和研究人员开发此类系统，因为内镜超声（EUS）已被确定为肺科住院医师需要掌握的第四项最重要的技术操作37EBUS 和 EUS 应联合用于肺癌的诊断与分期38，从而互补地到达不同的淋巴结（图4）。这些建议符合2015年ERS/ESGE/ESTS联合发布的肺癌分期内镜超声指南，该指南强调系统性联合应用EBUS-EUS评估以实现最佳诊断准确性38因此，肺科医生不应仅限于检查其所属的器官系统，还可利用同一根内镜进入食管，必要时甚至可采集甲状腺组织活检39，或在结节病等其他疾病的诊断与分期中使用EBUS，系统性取样可提高诊断率并减少对手术活检的需求40.

临床表现与经验关系图，显示模拟培训对新手和有经验个体的效果。
图 2：基于模拟的培训对新手和有经验的医生均有益处。请点击此处查看此图的放大版本。

支气管内超声（EBUS）解剖标志示意图及超声图像；淋巴结识别。
图3：EBUS中的六标志法。 本图已获Nielsen等人的许可进行了修改5。 请点击此处查看此图的放大版本。

肺淋巴结活检示意图，EBUS 和 EUS，用于肿瘤检测的淋巴结位置。
图 4：通过 EBUS 和 EUS 可达的淋巴结，用于肺癌的分期和诊断。 本图经 Issa 等人6许可修改。 请点击此处查看此图的放大版本。

径向 EBUS（rEBUS）、电磁导航支气管镜（ENB）和局部麻醉胸腔镜检查
当目标病灶位于更外周位置时，可联合使用径向 EBUS（rEBUS）与电磁导航支气管镜（ENB）8。先前已有文章仅描述了 ENB41，Juul 等人将 rEBUS8 等新技术引入 ENB，值得肯定。目前仅有少数研究报道了在 ENB 基础上增加 rEBUS 可提高诊断率42。遗憾的是，这些研究并未严格遵循 EQUATOR 指南进行报告42。这再次凸显了介入性肺部操作研究与当前指南之间的差距。这一问题在操作能力评估工具的研究中尤为突出，仅有 3% 的研究遵循了当代有效性证据的评估框架43。应用 Messick 的有效性框架对于标准化评估研究、减少主观偏倚、确保能力评估工具真实反映临床熟练度至关重要。该框架有助于增强科学研究的严谨性和患者安全性。同样，遵循 EQUATOR 报告指南可确保操作性研究的方法透明性和可重复性，使研究结果能够被系统评价并在不同研究间进行比较。这两者对于提升患者安全性和推进循证培训均至关重要。若不遵循既定框架，可能会忽视当代评估研究赖以建立的累积科学基础，形同重新发明而非优化已确立且经过验证的方法。因此，自 1999 年起，美国教育研究协会（AERA）在其《教育与心理测验标准》中即推荐采用 Messick 的有效性证据框架44,45。Messick 从五个方面收集有效性证据，以确保测验能够准确测量其预期测量的内容46。应用 Messick 的统一框架对于标准化评估研究、减少主观偏倚、确保能力评估工具真实反映临床熟练度至关重要，从而增强科学研究的严谨性和患者安全性。Bodtger 等人2 提出了一种针对不明原因胸腔积液进行局部麻醉胸腔镜检查的分步操作方法，并采用基于 Messick 有效性框架的评估工具，以确保操作者在局部麻醉胸腔镜检查中的能力达标47。与内镜超声（EUS）不同，Nayahangan 等人47 还开发了用于培训的模拟器。由于局部麻醉胸腔镜检查也可用于其他疾病的管理，例如脓胸48，此类培训方式和评估工具可基于不同临床场景进行测试，从而提高测验的区分能力，该方法已在支气管镜培训中得到开发和应用13。

经支气管肺冷冻活检（TBLC）
Davidsen 等人4 提出了一种结构化、分步骤的经支气管肺冷冻活检（TBLC）操作流程。鉴于 TBLC 相较于外科肺活检（SLB）具有更小的侵入性，其正越来越多地被用作间质性肺疾病（ILD）诊断的首选方法49。Davidsen 等人4 强调了若干关键操作步骤，包括透视引导、精确的活检部位定位以及预防性球囊置入，以降低出血风险——这是与 TBLC 相关的最严重并发症之一50。尽管在部分患者中，TBLC 可提供与外科活检相当的诊断结果51，但作者指出，成功的临床结局依赖于医疗机构的经验、严格的培训以及多学科病例讨论49，并且 TBLC 甚至可与机器人辅助支气管镜检查（RAB）联合应用52。然而，尽管对 TBLC 的兴趣日益增长，许多医疗环境中仍缺乏标准化的操作流程和基于能力的培训体系。正如 Davidsen 等人4 所指出，遵循清晰且经过验证的操作框架有助于提高可重复性、安全性和诊断效能，该文章为将 TBLC 引入临床实践的医疗中心提供了重要的教育工具。

超声引导经胸壁针吸活检（US-TTNB）
肺活检也可经胸腔进行（TT）。Laursen 等人7 介绍一种针对外周型肺癌患者进行超声引导下肺活检的逐步操作方法。尽管计算机断层扫描（CT）引导和超声引导经胸壁针吸活检（US-TTNB）等技术具有安全性高、成本效益好且诊断效能相当的优势53 比电磁导航经支气管穿刺活检（TTNB）更简化的设备配置54其主要局限性在于病灶必须能够通过超声成像观察到——通常是胸膜下实变55然而，在经过适当筛选的患者中，超声引导经皮穿刺活检具有较高的诊断准确性，并发症发生率低（例如，气胸发生率约为4.6%）55，以及更快的操作时间53逐步操作方案7 结合了操作流程、技术细节和以患者为中心的考量，反映了门诊环境中的当前实践7 在实时影像引导下，采取术前和术后安全措施，并通过优化取样率的方案（如使用增强超声造影成像技术以及细针穿刺抽吸联合组织芯活检）提高操作效能56,57尽管胸腔超声应用广泛，但超声引导下经皮经胸肺活检（US-TTNB）的培训尚未标准化，也未纳入正式的教学课程。58学习曲线数据表明，即使是经验丰富的医生，也可能需要接受系统化培训才能达到操作熟练水平59，再次表明经验并不保证专业水平，凸显了加强医学操作研究教育的必要性。人工智能也在此崭露头角，一项研究表明，经过训练的新手能够完成专家水平的肺部超声检查60。再次提及，Laursen 等人7 应因其采用基于Messick效度框架的评估工具而受到赞扬61,62,63.

局限性与未来展望
侵入性肺病学操作的未来发展方向，如同社会其他领域一样，将高度依赖人工智能（AI）进行培训与评估。关于支气管镜检查中人工智能应用的系统性综述仍发现临床实施方面存在巨大差距30。目前开发的人工智能系统均未采用开源模式或公开数据集，而这本可促进外部使用与验证64,65,66。尽管前景广阔，人工智能在临床中的应用仍有限，且面临算法可解释性方面的“黑箱”挑战。若过度依赖人工智能，并将其作为临床判断与操作能力的替代而非辅助工具，可能导致操作技能退化。因此，我们建议未来的人工智能研究应将人工智能仅限于干预组的培训环节，测试阶段不使用人工智能，以确保人工智能成为技能习得过程中有价值的培训伙伴，而非替代手段。由于目前极少有支气管镜检查领域的人工智能研究遵循报告规范22，我们强烈建议未来的研究遵循相关指南，以确保这一新兴技术的标准化与可重复性。

作为一篇叙述性综述，本研究在方法学严谨性上不及系统性综述，且其他一些重要方面可能尚未得到充分阐述。因此，未来在实施分步操作方案时，应进一步研究这些方案及其先进技术（如电磁导航支气管镜和人工智能驱动的培训工具）在不同医疗环境下的成本效益，尤其是在资源分布不均可能限制技术可及性的背景下。伦理问题也需引起重视，包括算法偏见的风险以及人工智能辅助临床决策中的责任归属问题。此外，大多数人工智能驱动的方法仍处于概念验证阶段，尚需开展大规模、多中心的验证研究，以确认其临床可靠性与可推广性22。鉴于目前支气管镜领域的人工智能研究普遍未能遵循推荐指南，我们进一步强调，人工智能、培训与评估相关研究应严格遵守相关指南，并采用现代有效的证据框架，以确保研究具备充分的科学严谨性。

访问受限。请登录或开始试用以查看此内容。

结论

随着侵入性肺脏病学领域新技术的不断涌现，可视化文章能够帮助受训人员 "见一" 多次。 "做一次" 应通过多次基于模拟的培训和评估课程来完成。基于模拟的培训可提供标准化的环境，确保在将患者暴露于操作风险之前达到操作熟练水平。人工智能是一种新兴工具，已在支气管镜检查、超声支气管镜（EBUS）和肺部超声中证明其有效性。当 "教学示范一"应由人工智能提供支持，以确保向受训者传递的是专业知识而不仅仅是经验。

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

本研究未获得任何资助

访问受限。请登录或开始试用以查看此内容。

参考文献

  1. Garner, J. L., Shah, P. L., Herth, F., Slebos, D. J. ERJ Advances: interventional bronchoscopy. Eur Respir J. 64 (1), 2301946(2024).
  2. Bodtger, U., et al. Local anesthetic thoracoscopy for undiagnosed pleural effusion. J Vis Exp. (201), e65734(2023).
  3. Cold, K. M., Vamadevan, A., Nielsen, A. O., Konge, L., Clementsen, P. F. Systematic bronchoscopy: the four landmarks approach. J Vis Exp. (196), e65358(2023).
  4. Davidsen, J. R., Laursen, C. B., Skaarup, S. H., Kronborg-White, S. B., Juul, A. D. Transbronchial lung cryobiopsy for diagnosing interstitial lung diseases and peripheral pulmonary lesions: a step-wise approach. J Vis Exp. (197), e65753(2023).
  5. Nielsen, A. O., Cold, K. M., Vamadevan, A., Konge, L., Clementsen, P. F. Systematic endobronchial ultrasound: the six landmarks approach. J Vis Exp. (198), e65551(2023).
  6. Issa, M. A., et al. Using the endoscope for endobronchial ultrasound in the esophagus. J Vis Exp. (201), e65741(2023).
  7. Laursen, C. B., Bhatnagar, R., Juul, A. D. A step-wise approach for performing ultrasound guided transthoracic lung biopsy. J Vis Exp. (201), e65769(2023).
  8. Juul, A. D., Pulga, A., Arshad, A. Radial endobronchial ultrasound and electromagnetic navigation bronchoscopy with fluoroscopy for the diagnosis of peripheral lung lesions. J Vis Exp. (200), e65623(2023).
  9. Colt, H. G., Williamson, J. P. Training in interventional pulmonology: what we have learned and a way forward. Respirology. 25 (9), 997-1007 (2020).
  10. Bray, F., et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 74 (3), 229-263 (2024).
  11. Cold, K. M., et al. Using structured progress to measure competence in flexible bronchoscopy. J Thorac Dis. 12 (11), 6797-6805 (2020).
  12. Colt, H. G., Crawford, S. W., Galbraith, O. 3rd Virtual reality bronchoscopy simulation: a revolution in procedural training. Chest. 120 (4), 1333-1339 (2001).
  13. Konge, L., Arendrup, H., von Buchwald, C., Ringsted, C. Using performance in multiple simulated scenarios to assess bronchoscopy skills. Respiration. 81 (6), 483-490 (2011).
  14. Davoudi, M., Osann, K., Colt, H. G. Validation of two instruments to assess technical bronchoscopic skill using virtual reality simulation. Respiration. 76 (1), 92-101 (2008).
  15. Cold, K. M., et al. Automatic and objective assessment of motor skills performance in flexible bronchoscopy. Respiration. 100 (4), 347-355 (2021).
  16. Ost, D., et al. Assessment of a bronchoscopy simulator. Am J Respir Crit Care Med. 164 (12), 2248-2255 (2001).
  17. Konge, L. Reliable and Valid Assessment of Bronchoscopy Performance. [PhD Thesis]. , Faculty of Health Sciences, University of Copenhagen. Denmark. (2011).
  18. Ernst, A., et al. Adult bronchoscopy training: current state and suggestions for the future: CHEST expert panel report. Chest. 148 (2), 321-332 (2015).
  19. Cold, K. M., Xie, S., Nielsen, A. O., Clementsen, P. F., Konge, L. Artificial intelligence improves novices' bronchoscopy performance: a randomized controlled trial in a simulated setting. Chest. 165 (2), 405-413 (2024).
  20. Cold, K. M., et al. Artificial intelligence improves bronchoscopy performance: a randomised crossover trial. ERJ Open Res. 11 (1), (2025).
  21. Agbontaen, K. O., et al. Artificial intelligence guided bronchoscopy is superior to human expert instruction for the performance of critical-care physicians: a randomized controlled trial. Crit Care Med. 53 (5), e1105-e1115 (2025).
  22. Cold, K. M., et al. Artificial intelligence in bronchoscopy-a systematic review. Eur Respir Rev. , In Press (2025).
  23. Cold, K. M., Wei, W., Agbontaen, K., Singh, S., Konge, L. Mastery learning guided by AI is superior to directed self-regulated learning in flexible bronchoscopy training: an RCT. Respiration. 104 (3), 206-215 (2024).
  24. Gerretsen, E. C. F., et al. The effectiveness of flexible bronchoscopy simulation-based training: a systematic review. Chest. 164 (4), 952-962 (2023).
  25. Cold, K. M., Konge, L. Simulation-based training in flexible bronchoscopy: best practices and future directions. Chest. 134 (4), 820-821 (2023).
  26. Cold, K. M., et al. Artificial intelligence for automatic and objective assessment of competencies in flexible bronchoscopy. J Thorac Dis. 16 (9), 5718-5726 (2024).
  27. Hassan, C., et al. Performance of artificial intelligence in colonoscopy for adenoma and polyp detection: a systematic review and meta-analysis. Gastrointest Endosc. 93 (1), 77-85 (2021).
  28. Cold, K. M., et al. Bowel preparation assessment using artificial intelligence: systematic review. Endosc Int Open. 13, a26256327(2025).
  29. Cold, K. M., et al. Computer-aided quality assessment of endoscopist competence during colonoscopy: a systematic review. Gastrointest Endosc. 100 (2), 167-176.e1 (2024).
  30. Cold, K. M., et al. Artificial intelligence in bronchoscopy: a systematic review. Eur Respir Rev. 34 (176), 240274(2025).
  31. Konge, L., et al. Simulator training for endobronchial ultrasound: a randomised controlled trial. Eur Respir J. 46 (4), 1140-1149 (2015).
  32. Thomsen, A. S., et al. Operating room performance improves after proficiency-based virtual reality cataract surgery training. Ophthalmology. 124 (4), 524-531 (2017).
  33. Sanz-Santos, J., et al. Systematic compared with targeted staging with endobronchial ultrasound in patients with lung cancer. Ann Thorac Surg. 106 (2), 398-403 (2018).
  34. Crombag, L. M. M., et al. Systematic and combined endosonographic staging of lung cancer (SCORE study). Eur Respir J. 53 (2), 1800800(2019).
  35. Farr, A., et al. Endobronchial ultrasound: launch of an ERS structured training programme. Breathe (Sheff). 12 (3), 217-220 (2016).
  36. Cold, K., Clementsen, P. Diagnosis and staging of lung cancer using transesophageal ultrasound: training and assessment. Endosc Ultrasound. 11 (2), 92-94 (2022).
  37. Nayahangan, L. J., et al. Identifying technical procedures in pulmonary medicine that should be integrated in a simulation-based curriculum: a national general needs assessment. Respiration. 91 (6), 517-522 (2016).
  38. Vilmann, P., et al. Combined endobronchial and esophageal endosonography for the diagnosis and staging of lung cancer: European Society of Gastrointestinal Endoscopy guideline, in cooperation with the European Respiratory Society and the European Society of Thoracic Surgeons. Endoscopy. 47 (6), 545-559 (2015).
  39. Kumar, A., Mohan, A., Dhillon, S. S., Harris, K. Substernal thyroid biopsy using endobronchial ultrasound-guided transbronchial needle aspiration. J Vis Exp. (93), e51867(2014).
  40. Agarwal, R., Srinivasan, A., Aggarwal, A. N., Gupta, D. Efficacy and safety of convex probe EBUS-TBNA in sarcoidosis: a systematic review and meta-analysis. Respir Med. 106 (6), 883-892 (2012).
  41. Ghosh, S., et al. Electromagnetic navigation transthoracic nodule localization for minimally invasive thoracic surgery. J Vis Exp. (183), e58405(2022).
  42. Juul, A. D., et al. Does the addition of radial endobronchial ultrasound improve the diagnostic yield of electromagnetic navigation bronchoscopy? A systematic review. Respiration. 101 (9), 869-877 (2022).
  43. Cook, D. A., Zendejas, B., Hamstra, S. J., Hatala, R., Brydges, R. What counts as validity evidence? Examples and prevalence in a systematic review of simulation-based assessment. Adv Health Sci Educ Theory Pract. 19 (2), 233-250 (2014).
  44. Research Association, American Psychological Association, National Council on Measurement in Education. Standards for Educational and Psychological Testing. , American Educational Research Association. Washington, DC. (2014).
  45. American Psychological Association, National Council on Measurement in Education, Joint Committee on Standards for Educational and Psychological Testing. Standards for Educational and Psychological Testing. , American Educational Research Association. Washington, DC. (1999).
  46. Downing, S. M. Validity: on meaningful interpretation of assessment data. Med Educ. 37 (9), 830-837 (2003).
  47. Nayahangan, L. J., et al. Assessment of competence in local anaesthetic thoracoscopy: development and validity investigation of a new assessment tool. J Thorac Dis. 13 (7), 3998-4007 (2021).
  48. Sumalani, K. K., Rizvi, N. A., Asghar, A. Role of medical thoracoscopy in the management of multiloculated empyema. BMC Pulm Med. 18 (1), 179(2018).
  49. Korevaar, D. A., et al. European Respiratory Society guidelines on transbronchial lung cryobiopsy in the diagnosis of interstitial lung diseases. Eur Respir J. 60 (5), 2200425(2022).
  50. Hetzel, J., et al. Transbronchial cryobiopsies for the diagnosis of diffuse parenchymal lung diseases: expert statement from the Cryobiopsy Working Group on safety and utility and a call for standardization of the procedure. Respiration. 95 (3), 188-200 (2018).
  51. Colella, S., Haentschel, M., Shah, P., Poletti, V., Hetzel, J. Transbronchial lung cryobiopsy in interstitial lung diseases: best practice. Respiration. 95 (6), 383-391 (2018).
  52. Pham, D., Styrvoky, K. Robotic-assisted bronchoscopy combined with multimodal imaging for targeted lung cryobiopsies. J Vis Exp. (209), e66868(2024).
  53. Sconfienza, L. M., et al. Pleural and peripheral lung lesions: comparison of US- and CT-guided biopsy. Radiology. 266 (3), 930-935 (2013).
  54. Arias, S., et al. Use of electromagnetic navigational transthoracic needle aspiration (E-TTNA) for sampling of lung nodules. J Vis Exp. (99), e52723(2015).
  55. Laursen, C. B., et al. Ultrasound-guided lung biopsy in the hands of respiratory physicians: diagnostic yield and complications in 215 consecutive patients in 3 centers. J Bronchology Interv Pulmonol. 23 (3), 220-228 (2016).
  56. Laursen, C. B., Graumann, O., Møller, T. V., Davidsen, J. R. Contrast-enhanced ultrasound-guided transthoracic lung biopsy. Am J Respir Crit Care Med. 194 (5), e5-e6 (2016).
  57. Jacobsen, N., et al. Clinical applications of contrast-enhanced thoracic ultrasound (CETUS) compared to standard reference tests: a systematic review. Ultraschall Med. 43 (1), 72-81 (2022).
  58. Pietersen, P. I., et al. Lung ultrasound training: a systematic review of published literature in clinical lung ultrasound training. Crit Ultrasound J. 10 (1), 23(2018).
  59. Laursen, C., et al. Learning curves for ultrasound guided lung biopsy in the hands of respiratory physicians. Eur Respir J. 48 (suppl 60), PA3850(2016).
  60. Baloescu, C., et al. Artificial intelligence-guided lung ultrasound by nonexperts. JAMA Cardiol. 10 (3), 245-253 (2025).
  61. Jacobsen, N., et al. Development of and gathering validity evidence for a theoretical test in contrast-enhanced ultrasound. Ultrasound Med Biol. 48 (2), 248-256 (2022).
  62. Pietersen, P. I., et al. Objective structured clinical examination in basic thoracic ultrasound: a European study of validity evidence. BMC Pulm Med. 23 (1), 15(2023).
  63. Nielsen, A. B., et al. Assessment of basic thoracic ultrasound skills in immersive virtual reality: gathering validity evidence. Ultrasound Med Biol. 50 (4), 467-473 (2024).
  64. Cold, K. M., et al. Mapping the colon through the colonoscope's coordinates-the Copenhagen colonoscopy coordinate database. Sci Data. 12 (1), 1179(2025).
  65. Cold, K. M., et al. Development and validation of the open-source automatic bowel preparation scale. Gastrointest Endosc. 101 (6), 1201-1210 (2024).
  66. Cold, K. M., et al. Is the transverse colon overlooked? Establishing a comprehensive colonoscopy database from a multicenter cluster-randomized controlled trial. Diagnostics. 15 (5), 591(2025).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

相关文章