Effect of increased MRI and CT scan utilization on clinical decision-making in patients referred to a surgical clinic for back pain
Notice bibliographique
Résumé
BACKGROUND: We sought to determine the association between radiologic and clinical diagnoses and to measure the impact of more magnetic resonance imaging (MRI) and computed tomography (CT) scans on clinical decision-making in patients referred to a surgical clinic for back pain. METHODS: We conducted a 7-week prospective study of patients referred for back pain to spine surgeons in 1 health care centre. Patients were included if they had not previously been seen by a surgeon for their back problems and if their back pain was related to the thoracic or lumbar spine. We collected demographic data, imaging findings, clinical diagnoses as determined by the surgeons and visit outcomes and compared our results with those of a similar study conducted in 1996. RESULTS: Of 160 patients, 8 (5%) were no-shows and excluded from further analysis owing to incomplete data. There were more MRI scans and fewer plain radiographs ordered in 2009 compared with 1996 (73% v. 11% and 39% v. 68%, respectively). Degenerative disc disease was a more common radiologic diagnosis (n=78, 63%) than clinical diagnosis (n=41, 27%). Disc herniation was a more common radiologic diagnosis (n=69, 56%) than clinical diagnosis (n=25, 16%). With regards to visit outcomes, there were fewer second opinions sought in 2009 compared with 1996 (3% v. 11%). Although not statistically significant, the number of surgical candidates remained relatively stable (19% in 1996 v. 16% in 2009, p=0.44). CONCLUSION: The clinical diagnosis had a poor association with radiologic abnormalities. Despite an increase in the number of MRI and CT scans, the number of patients deemed surgical candidates has not changed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».