MétaCan
Menu
Retour à la cohorte
Enregistrement W2625102844 · doi:10.1515/dx-2017-0019

Assigning responsibility to close the loop on radiology test results

2017· article· en· W2625102844 sur OpenAlexaff
Janice L. Kwan, Hardeep Singh

Notice bibliographique

RevueDiagnosis · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesNational Cancer InstituteAgency for Healthcare Research and QualityU.S. Department of Veterans Affairs
Mots-clésHarmTest (biology)Context (archaeology)Action (physics)Medical diagnosisSimple (philosophy)Ideal (ethics)Process (computing)Computer sciencePsychologyMedicinePolitical scienceEpistemologySocial psychologyLawRadiologyHistoryBiology

Résumé

récupéré en direct d'OpenAlex

Failure to follow-up on test results represents a serious breakdown point in the diagnostic process which can lead to missed or delayed diagnoses and patient harm. Amidst discussions to ensure fail-safe test result follow-up, an important, yet under-discussed question emerges: how do we determine who is ultimately responsible for initiating follow-up action on the tests that are ordered? This seemingly simple question belies its true complexity. Although many of these complexities are also applicable to other diagnostic specialities, the field of medical imaging provides an ideal context to discuss the challenges of attributing responsibility of test result follow-up. In this review, we summarize several key concepts and challenges in the context of critical results, wet reads, and incidental findings to stimulate further discussion on responsibility issues in radiology. These discussions could help establish reliable closed-loop communication to ensure that every test result is sent, received, acknowledged and acted upon without failure.

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)0,086
score de la tête « metaresearch » (Gemma)0,289
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,454

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0860,289
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,022
Communication savante0,0090,014
Science ouverte0,0040,010
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,067
Tête enseignante GPT0,393
Écart entre enseignants0,326 · 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

Citations22
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiagnosisMême sujetRadiology practices and educationTravaux en français237 207