Diabetic foot infections: how to investigate more efficiently? A retrospective study in a quaternary university center
Notice bibliographique
Résumé
BACKGROUND: Diabetic foot infections are frequent and associated with substantial morbidity and substantial cost to the healthcare system. Up to 34% of diabetic patients will develop an ulcer potentially leading to osteomyelitis. Imaging plays a crucial role in the diagnostic process. Imaging modalities to investigate the diabetic foot infection are many and imaging prescription habits remain heterogeneous across physicians. We aimed to improve the appropriateness of imaging examination requested, and performed, for diabetic foot osteomyelitis and we aimed to reduce the overall imaging-related cost. METHODS: Local committee was created to develop an algorithm for suspected diabetic foot osteomyelitis. Best practices were defined by the local algorithm. The algorithm was shared with our physicians. Pre- and post-intervention analysis was conducted retrospectively. All adult diabetic patients with suspected foot osteomyelitis were included. Adherence to best practices was measured. Statistical analysis with Chi-Square and two tailed unpaired t-test was performed. RESULTS: Pre-intervention cohort had 223 patients (mean age: 63; 168 men). Adherence to best practice was 43%. Scintigraphy (48%) preferred over MRI (44%) and performed simultaneously in 15 patients. Post-intervention cohort had 73 patients (mean age: 66; 62 men). Adherence to best practice was 78%, improved by 35% (p < 0.001). MRI (51%) preferred over scintigraphy (23%) and performed simultaneously in three patients. Scintigraphy examinations decreased by 25% (p < 0.001). MRI examinations increased by 7% (p = 0.32). Hospital imaging related fees decreased by 22% per patient (p = 0.002). CONCLUSION: Interval improvement in adequate adherence while reducing unnecessary examinations for patients and decreasing costs for the healthcare system was observed.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».