Sharing De-identified Medical Images Electronically for Research: A Survey of Patients' Opinion regarding Data Management
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
PURPOSE: Secondary usage of patient data has recently become of increasing interest for the development and application of computer analytic techniques. Strict oversight of these data is required and the individual patients themselves are integral to providing guidance. We sought to understand patients' attitudes to sharing their imaging data for research purposes. These images could provide a great wealth of information for researchers. METHODS: Patients from the Greater Toronto Area attending Sunnybrook Health Sciences Centre for imaging (magnetic resonance imagining, computed tomography, or ultrasound) examination areas were invited to participate in an electronic survey. RESULTS: Of the 1083 patients who were approached (computed tomography 609, ultrasound 314, and magnetic resonance imaging 160), 798 (74%) agreed to take the survey. Overall median age was 60 (interquartile range = 18, Q1 = 52, Q3 = 70), 52% were women, 42% had a university degree, and 7% had no high school diploma. In terms of willingness to share de-identified medical images for research, 76% were willing (agreed and strongly agreed), while 7% refused. Most participants gave their family physicians (73%) and other physicians (57%) unconditional data access. Participants chose hospitals/research institutions to regulate electronic images databases (70%), 89% wanted safeguards against unauthorized access to their data, and over 70% wanted control over who will be permitted, for how long, and the ability to revoke that permission. CONCLUSIONS: Our study found that people are willing to share their clinically acquired de-identified medical images for research studies provided that they have control over permissions and duration of access.
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 | 0,016 | 0,023 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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