Speed and accuracy of mobile BlackBerry Messenger to transmit chest radiography images from a small community emergency department to a geographically remote referral center
Notice bibliographique
Résumé
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».