Establishing Diagnostic Reference Levels for CT Through a Provincial Medical Informatics Metadata Repository in Ontario
Notice bibliographique
Résumé
PURPOSE: To determine whether computed tomography radiation dose data could be captured electronically across hospitals to derive regional diagnostic reference levels for quality improvement. METHODS: Data on consecutive computed tomography examinations from 8 hospitals were collected automatically in a central database (Repository) from April 2017 to September 2017. The most frequently performed examinations were used to determine the standard protocols for each hospital. Diagnostic reference levels across hospitals were derived using statistical distribution for 2 radiation dose metrics. These values were compared between hospitals, within and between hospitals by scanner and against national Health Canada achievable doses and diagnostic reference levels. RESULTS: Three master protocol groups, Head, Abdomen-Pelvis, and Chest-Abdomen-Pelvis, accounted for 43% of all valid studies (N = 40 277). For the Repository, 11 of 12 mean values and 75th percentile diagnostic reference levels were below the Health Canada mean and 75th percentile values, and one was the same as the Health Canada value. Mean radiation dose by protocol varied by as much as 97% between hospitals. There was no consistent pattern in the difference between mean doses between large and small hospitals. CONCLUSION: This electronic data acquisition process could be used to continually update achievable doses for frequently used computed tomography examinations in Ontario and eliminate the need for nationwide manual surveys. Results compared across institutions will allow hospitals to maintain achievable doses and lower patient exposure.
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 | 0,012 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,013 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».