Utility and Perceived Value of a Provincial Digital Diagnostic Imaging Repository: Multimethod Study
Notice bibliographique
Résumé
BACKGROUND: Timely and comprehensive diagnostic image sharing across institutional and regional boundaries can produce multiple benefits while supporting integrated models of care. In Ontario, Canada, the Diagnostic Imaging Common Service (DICS) was created as a centralized imaging repository to enable the sharing and viewing of diagnostic images and associated reports across hospital-based and community-based clinicians throughout the province. OBJECTIVE: The aims of this study were as follows: (1) to explore real-world utilization and perceived clinical value of the DICS following the provision of system-wide access and (2) to identify strategies to optimize the technology platform functionality and encourage adoption. METHODS: This multimethod study included semistructured interviews with physicians and administrative stakeholders and descriptive analysis of the current DICS usage data. RESULTS: In this study, 41 participants were interviewed, that is, 34 physicians and 7 administrative stakeholders. The following 4 key themes emerged: (1) utilization of the DICS depended on the awareness of the technology and the preferred channels for accessing images, which varied widely, (2) clinical responsibilities and available institutional resources were the drivers of utilization (or lack thereof), (3) centralized image repositories were perceived to offer value at the patient, clinician, and health care system levels, and (4) the enabling factors to realize value included aspects of technology infrastructure (ie, available functionality) alongside policy supports. High-volume DICS usage was not evenly distributed throughout the province. CONCLUSIONS: Suboptimal adoption of the DICS was driven by poor awareness and variations in the clinical workflow. Alignment with physician workflow, policy supports, and investment in key technological features and infrastructure would improve functionality and data comprehensiveness, thereby optimizing health system performance, patient and provider experience, population health, and health care costs.
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 | 0,018 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».