The Association Between the Use of Low-Slice Computed Tomography Machines and Downstream Care: Comparative Study of 16-Slice and 64-Slice Computed Tomography Angiography
Notice bibliographique
Résumé
BACKGROUND: Although computed tomography (CT) studies on machines with more slices have reported higher positive and negative predictive values, the impact of using low-slice (16-slice) CT machines on downstream testing has not been well studied. In community outpatient settings, low-slice CT machines remain in use, although many hospitals have adopted higher-slice machines. OBJECTIVE: This study examines the association between the use of low-slice CT machines and downstream invasive testing in the context of the CT angiography of the neck. METHODS: Included health insurance claims pertained to adults with commercial or Medicare Advantage health plans who underwent the CT angiography of the neck. Site certification data were used to assign counts of slices to claims. Claims that were made in the 60 days after CT were examined for cervicocerebral angiography. The association between the number of slices and cervicocerebral angiography was evaluated by using a chi-square test and multivariate logistic regression. RESULTS: Claims for 16-slice CT had a 5.1% (33/641) downstream cervicocerebral angiography rate, while claims for 64-slice CT had a 3.1% (35/1125) rate, and a significant difference (P=.03) was observed. An analysis that was adjusted for patient demographics also found a significant relationship (odds ratio 1.64, 95% CI 1.00-2.69; P=.047). CONCLUSIONS: The use of low-slice CT machines in the community may impact the quality of care and result in more downstream testing.
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 | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».