Medical Photography Usage Amongst Doctors at a Portuguese Hospital
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Technological advancements in smartphones have made it possible to create high-quality medical photographs, with the potential to revolutionise patient care. To ensure the security of the patient’s data, it is important that medical professionals receive informed consent from the patient, that physical conditions are met to take a photograph, and that these medical images are stored correctly. This study aimed to determine if medical professionals of an academic hospital make use of medical photography, and how the content is obtained, stored, transferred, and used. Methods: A 30-question questionnaire was distributed across 29 medical departments at Centro Hospitalar Universitário de São João (CHUSJ), a tertiary referral and teaching hospital in Porto, Portugal, with approximately 900 medical professionals. Quantitative statistical methods were used to analyse questionnaire responses. Results: There were a total of 257 respondents. Of these, 93% used medical photography, 70% used it to document a patient’s clinical progress, 70% to ask for a second opinion, 56% for education, 65% for research and publication, and 68% to present at medical conferences. Medical photography was used by 33% weekly and 36% monthly, with 71% of respondents always asking for the patients’ consent before taking a photograph. Doctors aged 20−40 years used photography more often than doctors over 40 years of age to document the clinical progress of the patients (77% and 52%, respectively, p = 0.01) and to ask for a second opinion (78% and 52%, respectively, p < 0.001). Conclusions: Our study shows that medical photography is a common practice amongst medical doctors. However, appropriate measures need to be created to obtain patients’ consent, store images, and sure the security of patients’ information.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découle