Eye Lens Dosimetry in Interventional Radiology: Assessment With Dedicated Hp(3) Dosimeters
Notice bibliographique
Résumé
Purpose: To quantify eye lens dose in interventional radiology and assess whether neck dosimeter is a good surrogate to evaluate eye lens dosimetry. Methods: Radiation exposure was prospectively measured in 9 interventional radiologists between May and October 2017. Standard Hp(0,07) thermoluminescent dosimeters (TLDs) were worn at the neck outside the lead apron, and 2 dedicated eye lens Hp(3) TLDs were placed just above the eyes, one midline and another at the outer edge of the left eye. Correlations between eye lens and neck TLD doses were assessed with Pearson coefficient, and linear regression was used to predict eye lens dose from neck TLD values. Results: Eye lens dose without eye protection was 0.18 ± 0.11 (mean ± standard deviation; 0.08-0.41) mSv per workday and 35.3 ± 6.6 mSv (16.3-82.9) annually (200 workdays/year). Five (56%) radiologists exceeded the 20 mSv annual eye lens dose limit. Eye lens doses from left and central TLDs were 12.46 ± 3.02 and 9.29 ± 3.38 mSv, respectively ( P = .027). Mean eye lens (left and central) and neck TLD doses were 10.87 ± 2.67 and 16.56 ± 5.67 mSv, respectively ( P = .008). Pearson correlation coefficient between both eye lens TLD and between mean eye lens TLD and neck TLD doses were 0.91 and 0.92, respectively. Average of eye lens dose was 0.0179 + (0.5971 × neck dose). Conclusion: Full-time interventional radiologists are likely to suffer from deterministic radiation effects to the eye lens, especially on the left side. Neck TLD significantly overestimates eye lens dose. However, eye lens doses are highly correlated with neck doses and may be predicted from the neck TLD values.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».