Increase in Utilization of Afterhours Medical Imaging: A Study of Three Canadian Academic Centers
Notice bibliographique
Résumé
OBJECTIVES: The objectives of our study were to assess trends in afterhours medical imaging utilization for emergency department (ED) and inpatient (IP) patient populations from 2006-2013, including analysis by modality and specialty and with adjustment for patient volume. METHODS: For this retrospective study, we reviewed the number of CT, MRI, and ultrasound studies performed for the ED and IP patients during the afterhours time period (5pm - 8am on weekdays and 24 hours on weekends and statutory holidays) from 2006-2013 at three different Canadian academic hospitals. We used the Jonckheere-Terpstra (JT) test to determine statistical significance of imaging and patient volume trends. A regression model was used to examine whether there was an increasing trend over time in the volume of imaging tests per 1000 patients. RESULTS: For all three sites from 2006-2013 during the afterhours time period: There was a statistically significant increasing trend in total medical imaging volume, which also held true when the volumes were assessed by modality and by specialty. There was a statistically significant increasing trend in ED and IP patient volume. When medical imaging volumes were adjusted for patient volumes, there was a statistically significant increasing trend in imaging being performed per patient. CONCLUSION: Afterhours medical imaging volumes demonstrated a statistically significant increasing trend at all three sites from 2006-2013 when assessed by total volume, modality, and specialty. During the same time period and at all three sites, the ED and IP patient volumes also demonstrated a statistically significant increasing trend with more medical imaging, however, being performed per patient.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».