Reducing Inappropriate Imaging Orders For Lower Back Pain Using MRI And CT Checklists: A Quality Improvement Study In Saskatchewan, Canada
Notice bibliographique
Résumé
Purpose: The objectives of this quality improvement study were: a) to develop Checklists for healthcare professionals to improve appropriateness of lumbar spine imaging orders and referrals in concordance with Choosing Wisely recommendations and guidelines; and b) to trial the Checklists, assessing their impact on reducing inappropriate imaging orders in Saskatchewan, Canada. Methods: A Clinical Development Team developed and adopted evidence-based lumbar spine magnetic resonance imaging (MRI) and computed tomography (CT) Checklists (quality improvement interventions) into the radiology requisition for both lumbar spine MRI and CT in Saskatchewan. Using a pre-post study design, data were obtained from the Radiology Information System (RIS). Control charts compared monthly number of imaging requests pre- and post-Checklists from June 2014 to August 2017. Results: Results showed a 23% reduction in the monthly average number of MRI requisitions one year after implementation of the lumbar spine MRI Checklist. On average, monthly volumes of lumbar spine CT requests decreased by 27% after implementation of the lumbar spine CT Checklist. Conclusions: Implementation of the two Checklists with evidence-based clinical indications and guidelines to order imaging may reduce volume of inappropriate urgent to elective MRI and CT requisitions for adult outpatients. Our results may help the design of other local and national quality improvement studies (e.g., appropriate ordering of knee MRI imaging), by replicating the integration of a Checklist into the ordering process to mitigate inappropriate imaging requests.
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 | 0,002 | 0,000 |
| 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 | 0,000 |
| 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 ».