Senior medical students’ awareness of radiation risks from common diagnostic imaging examinations
Notice bibliographique
Résumé
BACKGROUND: Senior medical students represent future physicians who commonly refer patients for diagnostic imaging studies that may involve ionizing radiation. The radiology curriculum at the University of British Columbia provides students with broad-based knowledge about common imaging examinations. The purpose of this study was to investigate students' awareness of radiation exposures and risks. METHODS: An anonymous multiple-choice cross-sectional questionnaire was distributed to final year medical students to assess knowledge of radiation from common diagnostic examinations and radiation-related risks following completion of the longitudinal radiology curriculum, carried out over the four years of medical training. RESULTS: Sixty-three of 192 eligible students participated (33% response rate). The majority felt that knowledge of radiation doses of common imaging examinations is somewhat or very important; however, only 12% (N = 8) routinely discuss radiation-related risks with patients. While all respondents recognized children as most sensitive to the effects of radiation, only 24% (N = 15) correctly identified gonads as the most radiation-sensitive tissue. Almost all respondents recognized ultrasound and MRI as radiation free modalities. Respondents who correctly identified the relative dose of common imaging examinations in chest x-ray equivalents varied from 3-77% (N = 2 - 49); the remaining responses were largely underestimates. Finally, 44% (N = 28) correctly identified the excess risk of a fatal cancer from an abdominal CT in an adult, while the remainder underestimated this risk. CONCLUSION: Medical students acknowledge the importance of radiation-related issues to patient care. While almost all students are familiar with radiation-free modalities, many are not familiar with, and commonly underestimate, the relative doses and risks of common imaging studies. This may expose patients to increasing imaging investigations and exposure to radiation hazards.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».