Measuring the Benefits of a Regional Imaging Environment
Notice bibliographique
Résumé
The use of central diagnostic imaging repositories (DIRs), that allow separate organizations with disparate PACS systems to seamlessly share patient data, is becoming more common; and as a result, the documentation of measurable benefits is a key deliverable to all stakeholders. Central DIRs and the implementation of foreign exam management (FEM) provide clinical users with the ability to seamlessly access DI exams and reports that originate from an outside location. FEM has been implemented to varying degrees across regional DIRs within Canada [1]. Historically, measuring the benefits of transitioning from a film-based environment to a PACS environment has been documented as being difficult and poses challenges [2]. Many of these same challenges are exacerbated when trying to measure benefits across a regional DIR. From the DIR, it is easy to report on the overall number of foreign exams that were transferred from the DIR to each individual site. While this metric does provide some insight into the number of patients migrating between hospitals and clinics, and demonstrates a growth pattern of the ingestion of foreign exams, it does not provide insight into the use and value of these foreign exams to the clinical user. At the outset, we hypothesized that quantifiable benefits could be measured, but would likely yield understated measurable results, due to the complexities involved in gathering data. In spite of this challenge, with targeted analysis across the region, together with many qualitative results from clinical users, a compelling picture would emerge.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».