Appropriate Use Criteria for Cardiac Computed Tomography: Impact on Diagnostic Utility
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Appropriate Use Criteria (AUC) guidelines for cardiac computed tomography (CCT) were developed to limit testing to reasonable clinical settings. However, significant testing is still done for inappropriate indications. This study investigates the impact of AUC on evaluability of CCT to determine if inappropriate tests result in a greater proportion of nondiagnostic results. METHODS: Investigators reviewed the medical records of 2417 consecutive patients who underwent CCT at the University of Ottawa Heart Institute. We applied the 2010 AUC and classified them as appropriate, inappropriate, or uncertain. Unclassifiable tests, as well as those with uncertain appropriateness, were excluded from the final analysis. Cardiac computed tomography results were classified as diagnostic if (1) all coronary segments were visualized, evaluable, and without obstructive stenosis; or (2) obstructive coronary artery disease with greater than 50% diameter stenosis in at least 1 coronary artery. All other test results were considered nondiagnostic. RESULTS: Of the 1984 patients included in the final analysis, 1522 patients (76.7%) had indications that were appropriate, whereas the remaining 462 (23.3%) were inappropriate. Inappropriate tests resulted in a higher rate of nondiagnostic results compared with appropriate CCT (9.0% vs 6.2%, P = 0.034). Inappropriate tests also had significantly more studies with nonevaluable segments than appropriate tests (24.5% vs 16.4%, P < 0.001) and were more likely to reveal obstructive coronary disease than appropriate CCT (50.5% vs 32.7%, P < 0.001). CONCLUSIONS: Cardiac computed tomography done for inappropriate indications may be associated with lower diagnostic yield and could impact future downstream resource utilization and health care costs.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 découle