MétaCan
Menu
Retour à la cohorte
Enregistrement W2276152109 · doi:10.1177/1357633x15595734

Speed and accuracy of mobile BlackBerry Messenger to transmit chest radiography images from a small community emergency department to a geographically remote referral center

2015· article· en· W2276152109 sur OpenAlexaff
Frank Scheuermeyer, Brian Grunau, Jay Cheyne, Eric Grafstein, Jim Christenson, Kendall Ho

Notice bibliographique

RevueJournal of Telemedicine and Telecare · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueDigital Radiography and Breast Imaging
Établissements canadiensVancouver General HospitalSt. Paul's HospitalKamloops Art GalleryUniversity of British Columbia
Organismes subventionnairesJaeb Center for Health Research
Mots-clésMedicineEmergency departmentReferralConfidence intervalMedical emergencyRadiographyEmergency medicineRadiologyFamily medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Small emergency departments (EDs) may rely on radiologists at remote centers for interpretations of chest radiographs (CXRs). We investigated systematic transmission of CXR images from a small ED to a geographically remote referral center using the mobile BlackBerry Messenger (BBM) application. METHODS: Investigators obtained de-identified CXR images of consecutive ED patients via mobile phone camera. Each CXR image, along with a brief clinical history, was sent via BBM to an emergency physician located at a remote referral site, and the receiving physician replied via BBM to confirm reception. All communications, image generation, and image analysis was conducted on mobile phones. The primary outcome was the proportion of BBMs received within two minutes of sending; the secondary outcome was the proportion of BBM replies to the sending physician within five minutes. Image accuracy-comparing the radiologist's interpretation with the receiving emergency physician's interpretation-was estimated using predefined criteria. RESULTS: Of 1281 consecutive ED patients, 231 (18.0 %) had CXRs obtained, 320 CXRs were analyzed and 611 BBMs sent. All BBMs (100.0%, 95% confidence interval (CI) 99.4-00.0) arrived within two minutes; 595 BBMs (97.4%, 95% CI 95.8-98.4) were replied to within five minutes. Of the 58 CXRs with abnormalities requiring intervention, there were 55 concordances (overall agreement 94.2%, 95% CI 85.9-98.3; kappa 0.95, 95% CI 0.89-1.0) CONCLUSION: Systematic transmission of CXR images from a small ED to a remote large center using mobile phones may be a safe and effective strategy to rapidly communicate important patient information.

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)0,005
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,063
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,292
Écart entre enseignants0,264 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Telemedicine and TelecareMême sujetDigital Radiography and Breast ImagingTravaux en français237 207