Peer Review Tool for General Radiography Technologists Improves Image Quality
Notice bibliographique
Résumé
PURPOSE: Quality improvement is vital to ensure health-care providers meet optimal patient care standards. Within our jurisdiction, accreditation requires image peer review as part of the quality assurance program. We propose a method to improve quality assurance in radiography by implementing a novel software-based peer review system for radiography technologists. METHODS: This is a retrospective study. A peer review tool was developed in Microsoft Excel and Visual Basic. The tool has 14 image quality criteria, which were selected based on national and international criteria, each containing standardized answers ensuring a common scoring regime. The tool provides data analysis and storage of all peer reviews performed. Radiography supervisors utilized the tool to evaluate image quality of various body parts at 28 hospitals. The tool enabled each Medical Imaging Department to objectively score images at their own hospital. Approximately 2% of all radiographs were randomly chosen for peer review. Additionally, the tool allowed for regional analysis based on hospital, body part, and quality criterion. RESULTS: Initial findings exposed equipment-related issues such as worn imaging plates, artifacts, and poor exposures, which prompted increased preventative maintenance. Other documented issues included foreign objects, inadequate collimation and centering, and inconsistent usage of lead markers. After identifying quality assurance-related issues, hospitals implemented education, resulting in improved overall image quality scores in subsequent audits. CONCLUSION: The peer review tool helped identify and correct various issues affecting image quality and ensures our program meets required accreditation standards. Furthermore, staff found utilizing the tool to identify areas for improvement improved collaboration, ongoing education, and support between staff.
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 | 0,003 | 0,019 |
| 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 ».