MétaCan
Menu
Retour à la cohorte
Enregistrement W4282923421 · doi:10.1186/s12880-022-00837-y

Development and application of an electronic synoptic report for reporting and management of low-dose computed tomography lung cancer screening examination

2022· article· en· W4282923421 sur OpenAlexafffundabout
Alain Tremblay, Nicole Ezer, Paul Burrowes, John MacGregor, Andrew Lee, Gavin Armstrong, Raoul S. Pereira, Michael Bristow, Jana Taylor, Paul MacEachern, Niloofar Taghizadeh, Rommy Koetzler, Eric L.R. Bédard

Notice bibliographique

RevueBMC Medical Imaging · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Diagnosis and Treatment
Établissements canadiensHealth Sciences CentreFoothills Medical CentreAlberta Health ServicesUniversity of AlbertaMcGill University Health CentreUniversity of Calgary
Organismes subventionnairesFonds de Recherche du Québec - SantéAlberta Cancer Foundation
Mots-clésLung cancer screeningMedicineAuditLung cancerMedical physicsDocumentationRadiologyProtocol (science)CancerClinical auditComputer scienceComputed tomographyPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Interpretation of Low Dose CT scans and protocol driven management of findings is a key aspect of lung cancer screening program performance. Reliable and reproducible methods are needed to communicate radiologists' interpretation to the screening program or clinicians driving management decision. METHODS: We performed an audit of a subset of dictated reports from the PANCAN study to assess for omissions. We developed an electronic synoptic reporting tool for radiologists embedded in a clinical documentation system software. The tool was then used for reporting as part of the Alberta Lung Cancer Screening Study and McGill University Health Centre Pilot Lung Cancer Screening Program. RESULTS: Fifty reports were audited for completeness. At least one omission was noted in 30 (70%) of reports, with a major omission (missing lobe, size, type of nodule in report or actionable incidental finding in recommendation section of report) in 24 (48%). Details of the reporting template and functionality such as automated nodule cancer risk assessment, Lung-RADS category assignment, auto-generated narrative type report as well as personalize participant results letter is provided. A description of the system's performance in its application in 2815 CT reports is then summarized. CONCLUSIONS: We found that narrative type radiologist reports for lung cancer screening CT examinations frequently lacked specific discrete data elements required for management. We demonstrate the successful implementation of a radiology synoptic reporting system for use in lung cancer screening, and the use of this information to drive program management and communications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,093
score de la tête « metaresearch » (Gemma)0,209
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,490

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0930,209
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,014
Tête enseignante GPT0,325
Écart entre enseignants0,311 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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

En bref

Citations5
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Medical ImagingMême sujetLung Cancer Diagnosis and TreatmentTravaux en français237 207