Reducing radiation exposure during procedures performed in the electrophysiology laboratory
Notice bibliographique
Résumé
Abstract Introduction Expert societies recently published strong recommendations to reduce the exposure of patients and staff to ionizing radiation (IR) during interventional and electrophysiology (EP) procedures. However, adherence to these guidelines remains difficult and the impact of implementing such recommendations is poorly characterized. Methods and results We conducted a single‐center cohort study to quantify radiation exposure over time in three EP laboratories at the Montreal Heart Institute during 5,546 consecutive procedures from 2012 to 2015 by 11 primary operators. Overall, 2,618 (47.2%) procedures were catheter‐based and 2,928 (52.8%) were device interventions. Interventions to reduce radiation exposure included educational initiatives to raise awareness (i.e., limiting cine acquisition, patient position, table height), slower frame rate, lower radiation dose per pulse, collimation, and integration with 3‐D mapping systems and/or MediGuide technology. An 85% reduction in IR exposure was observed from 2012 to 2015, with the mean dose‐area‐product (DAP) decreasing from 7.65 ± 0.05 Gy·cm 2 to 1.15 ± 0.04 Gy·cm 2 (P < 0.001). This was true for catheter‐based procedures (mean DAP 16.99 ± 0.08 to 2.00 ± 0.06 Gy·cm 2 , P < 0.001) and device interventions (mean DAP 4.18 ± 0.06 to 0.64 ± 0.05 Gy·cm 2 , P < 0.001). The median effective dose of IR recorded per quarter by 282 cervical dosimeters on EP staff decreased from 0.57 (IQR 0.18, 1.03) mSv in 2012 to 0.00 (IQR 0.00, 0.19) mSv in 2015, P < 0.001. Conclusion Enforcing good clinical practices with simple measures and low‐dose fluoroscopy settings are highly effective in reducing IR exposure in the EP lab. These promising results should encourage other EP labs to adopt similar protective measures.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».