Impact of 24/7/365 Attending Radiologist Coverage on the Turnaround Time in an Emergency and Trauma Radiology Department
Notice bibliographique
Résumé
OBJECTIVE: To study the impact of 24/7/365 attending radiologist coverage on the turnaround time (TAT) of trauma and nontrauma cases in an emergency and trauma radiology department. PATIENTS AND METHODS: This was a retrospective chart review in which TAT of patients coming to the emergency department between 2 periods: (1) December 1, 2012, to September 30, 2013, and (2) January 1, 2017, to January 30, 2018, and whose reports were read by an attending emergency and trauma radiologist was noted. RESULTS: The 24/7/365 radiology coverage was associated with a significant reduction in TAT of computed tomography reports, and the time reduction was comparable between trauma and nontrauma cases. In adjusted models, the extension of radiology coverage was associated with an average of 7.83 hours reduction in overall TAT (95% confidence interval [CI]: 7.44-8.22) for reports related to trauma, in which 2.73 hours were due to reduction in completion to transcription time (TC; 95% CI: 2.53-2.93), and 5.10 hours were due to reduction in transcription to finalization time (TF; 95% CI: 4.75-5.44). For reports related to nontrauma cases, 24/7/365 coverage was associated with an average of 6.07 hours reduction in overall TAT (95% CI: 3.54-8.59), 2.91 hours reduction in TC (95% CI: 1.55-4.26), and 3.16 hours reduction in TF (95% CI: 0.90-5.42). CONCLUSION: Our pilot study demonstrates that the implementation of on-site 24/7/365 attending emergency radiology coverage at a tertiary care center was associated with a reduced TAT for trauma and nontrauma patients imaging studies. Although the magnitude and precision of estimates were slightly higher for trauma cases as compared to nontrauma cases. Trauma examinations stand to benefit the most from 24/7/365 attending level radiology coverage.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».