Evaluation of the Use of Artificial X-Rays for Educational and Intraoperative Guidance During C-Arm Positioning
Notice bibliographique
Résumé
Fluoroscopic C-arms are operated by medical radiography technologists (RTs) in the Canadian operating room (OR). While they do receive formal, accredited training, most of this training is theoretical, rather than hands-on. During their first encounters in the OR, new RTs can experience difficulty achieving the radiographic views required by surgeons, often needing several scout X-rays during C-arm positioning before achieving the correct anatomical view. Furthermore, ambiguous language by surgeons often inadequately conveys their request (Pally 2013). The result is often frustration, unnecessary radiation exposure, and added OR time (Booij 2007). Several groups have tried to address this problem by overlaying artificial X-ray images on a live video feed (Chen 2013, Reaungamornat 2012, Müller 2011). Others have used artificial X-rays for simulation training (Bott 2008, Gong 2014, Cleary 2004). Though the intent is to improve C-arm positioning accuracy and efficiency during orthopaedic procedures, these systems have primarily been evaluated on system accuracy and not on their potential to decrease radiation exposure inside the OR or C-arm positioning time. The purpose of this study was therefore to evaluate the value of artificial X-rays in enhancing C-arm positioning performance using inexperienced users.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».