PATTERNS OF ONSITE MAGNETIC RESONANCE IMAGING EQUIPMENT AMONG ORTHOPEDIC PRACTICES
Notice bibliographique
Résumé
BACKGROUND: Despite ongoing policy debate, little is known about the growth in orthopedic surgery practices with onsite magnetic resonance imaging (MRI) capacity, or practice characteristics associated with the acquisition of in-office MRI equipment. METHODS: In July 2012, American Academy of Orthopaedic Surgeons (AAOS) member practices received a web-based survey requesting general information about their practice, such as number practice providers authorized to order MRIs, the type of onsite MRI capacity present (if any), and the date of acquisition for the MRI equipment. Survey responses were augmented with county-level measures of practice area characteristics as of the year of first onsite MRI acquisition (or 2012 for practices without an onsite MRI). RESULTS: The survey obtained usable responses from 740 orthopedic practices, which were geographically representative of AAOS member practices. Forty percent (298) reported onsite MRI capacity. Onsite MRI acquisition occurred at a steady pace over 2000-2012, with no dramatic increase occurring in any particular year over that period. Multivariate logistic regression indicated that practice size (number of providers) was the most important factor affecting the likelihood of onsite MRI acquisition. There was no association between onsite MRI acquisition and any of the county-level practice area characteristics included in the analysis. CONCLUSIONS: Orthopedic practices acquiring onsite MRI equipment on average are much larger than practices without onsite MRI capacity. Larger practices may be more likely to attain the economies of scale necessary to absorb the fixed costs associated with onsite MRI acquisition.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».