Appropriate utilization of cardiac computed tomography for the assessment of stable coronary artery disease
Notice bibliographique
Résumé
BACKGROUND: Appropriate use criteria (AUC) have been developed in response to growth in cardiac imaging utilization and concern regarding associated costs. Cardiac computed tomography angiography (CCTA) has emerged as an important modality in the evaluation of coronary artery disease, however its appropriate utilization in actual practice is uncertain. Our objective was to determine the appropriate utilization of CCTA in a large quaternary care institution and to compare appropriate utilization pre and post publication of the 2013 AUC guidelines. We hypothesized that the proportion of appropriate CCTA utilization will be similar to those of other comparable cardiac imaging modalities and that there would be a significant increase in appropriate use post AUC publication. METHODS: We employed a retrospective cohort study design of 2577 consecutive patients undergoing CCTA between January 1, 2012 and December 30, 2016. An appropriateness category was assigned for each CCTA. Appropriateness classifications were compared pre- and post- AUC publication via the chi-square test. RESULTS: Overall, 83.5% of CCTAs were deemed to be appropriate based on the AUC. Before the AUC publication, 75.0% of CCTAs were classified as appropriate whereas after the AUC publication, 88.0% were classified as appropriate (p < 0.001). The increase in appropriate utilization, when extrapolated to the Medicare population of the United States, was associated with potential cost savings of approximately $57 million per year. CONCLUSIONS: We report a high rate of appropriate use of CCTA and a significant increase in the proportion of CCTAs classified as appropriate after the AUC publication.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 ».