Accuracy of mobile devices for acute stroke head CT interpretation among Neurologists in training. (P1.083)
Notice bibliographique
Résumé
Objective: To test accuracy of mobile devices (iPad and iPhone) in the interpretation of Head CT compared to standard Picture Archiving and Communication System (PACs) Radiology station among Neurologists in training. Background: Advances in technology has allowed physicians access to radiological images remotely facilitating their rapid interpretation. The diagnostic performance of this approach for acute stroke head CT scan interpretation among neurologists in training has not been evaluated. Design/ Methods: 9 readers (3 vascular neurology fellows, 3 PGY-4 and 3 PGY-3 neurology residents) independently interpreted 20 preselected acute stroke CTs. Images were viewed on iPad 2(1024x768 pixels) and iPhone 4 (960x640 pixels) using (ResMD® software (, Calgary Scientific, Calgary, CanadaA), and Radiology PACS station (gold standard). Readers recorded CT findings iIncluding Acute Ischemic Signs (AIS), Non-Acute Ischemic Signs (NAIS) and Hyperdense MCA (HMCA). A generalized, mixed linear model was constructed. Model-generated estimates of sensitivity & specificity (with 95[percnt] confidence intervals) were calculated. Results: For AIS, iPad had sensitivity of 83[percnt] (95[percnt]CI 69-92) and specificity of 60[percnt], (95[percnt]CI 41-76) compared to iPhone [sensitivity 79[percnt] (95[percnt]CI 60-90); specificity 58[percnt] (95[percnt]CI 36-77)]. For NAIS iPad sensitivity was 63[percnt] (95[percnt]CI 24-90) and specificity 77[percnt] (95[percnt]CI 37-95). iPhone sensitivity was 75[percnt] (95[percnt]CI 53-89) and specificity was 73[percnt] (95[percnt]CI 48-89). HMCA identification sensitivity on the iPad was 58[percnt] (95[percnt]CI 36-77) and specificity was 93[percnt] (95[percnt]CI 86-96) and iPhone sensitivity was 52[percnt] (95[percnt]CI 29-74) and specificity 90[percnt] (95[percnt]CI 81-95). Conclusions: Among neurologists in training (residents and stroke fellows) mobile devices had good to excellent sensitivity for identification of AIS. Mobile devices also has good to excellent specificity for the identification of the HMCA. Larger studies testing newer generation mobile devices and a greater breadth of findings are needed for comparison with traditional PACs interpretation prior to routine clinical practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».