MétaCan
Menu
Retour à la cohorte
Enregistrement W4248718073 · doi:10.1155/2012/724801

The Challenges of Implementing a “Patient-Oriented” Telepathology Network; the Eastern Québec Telepathology Project Experience

2012· article· en· W4248718073 sur OpenAlexaffabout
Bernard Têtu, Jean‐Paul Fortin, Marie‐Pierre Gagnon, Said Louahlia

Notice bibliographique

RevueAnalytical Cellular Pathology · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueAI in cancer detection
Établissements canadiensCégep de Baie-ComeauUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésTelepathologyVideoconferencingComputer scienceTelemedicineTeleradiologySecond opinionPopulationMultimediaMedical physicsMedicinePathologyHealth care

Résumé

récupéré en direct d'OpenAlex

Background : The aim of the Eastern Québec telepathology project is to provide uniform diagnostic telepathology services across a huge geographic region with a low population density. This project is intended to provide surgeons and pathologists with frozen section and second opinion services anywhere and at any time across the entire region in order to avoid unnecessary patient transfer. Methods : The project has been implemented in 21 sites, each equipped with a whole slide scanner, a macroscopy station, two videoconferencing devices and a viewer/case management and collaboration solution. Of the 21 sites, 6 are devoid of a pathology laboratory. Of the remaining 15 sites, two have no pathologists, 6 have one and 7 have two or more. Results : The project has been successful and most appreciated by pathologists and surgeons. We report a number of challenges related to change management that we had to take into account in the course of implementation of this network. The challenges underscore the need for regular visits and active support to participating centers by the project team. Conclusion : The Eastern Québec telepathology network is successful and improves medical care in this region. In the course of implementation, we encountered a number of challenges which required innovative solutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,681
Score d'incertitude au seuil0,733

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,283
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnalytical Cellular PathologyMême sujetAI in cancer detectionTravaux en français237 207