MétaCan
Menu
Retour à la cohorte
Enregistrement W2127879937 · doi:10.2967/jnmt.109.062950

Practical Aspects of 18F-FDG PET When Receiving 18F-FDG from a Distant Supplier

2009· article· en· W2127879937 sur OpenAlexaffabout
Jaylene Ducharme, Andrew L. Goertzen, Julie A. Patterson, S. Demeter

Notice bibliographique

RevueJournal of Nuclear Medicine Technology · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensUniversity of ManitobaHealth Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésVendorContingency planNuclear medicineOperations managementBusinessMedicineMedical physicsComputer scienceMarketingComputer securityEngineering

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: With PET becoming more widely used, there is an increase in the number of imaging centers being forced to rely on distant suppliers of (18)F-FDG. Because of the large distances between major urban centers, this is particularly true for PET centers in Canada. METHODS: Our PET center, located in Winnipeg, Manitoba, Canada, currently purchases (18)F-FDG from a commercial vendor located more than 1,000 km from Winnipeg, necessitating transport by commercial airline cargo. This dependence on air transport and a distant supplier creates a situation in which our (18)F-FDG supply is less reliable than it would be with onsite production. In this article, we offer insight into the obstacles we have encountered in imaging with a distant supplier of (18)F-FDG and the solutions we have implemented to minimize the disruption to our patients and maximize the number of scans performed each year. RESULTS: The development of contingency plans and protocols designed to suit our operating environment has allowed us to increase the number of patient scans obtained from 659 in year 1 to 993 in year 3, an increase of 51%, despite an increase in our actual number of scan days of only 24%. (18)F-FDG injection timetables are presented for a variety of scenarios including normal delivery, low shipped activity, and delayed delivery. CONCLUSION: Through the careful establishment of contingency protocols and management of (18)F-FDG shipments, patient throughput can be increased and disruptions minimized.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,342
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Medicine TechnologyMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207