Evaluating the Accuracy of Computed Tomography of the Kidneys, Ureters, and Bladder Interpretation by Urology Trainees for Suspected Acute Nephrolithiasis
Notice bibliographique
Résumé
Aim: This study aims to evaluate the interpretation accuracy of urology trainees in reporting computed tomography of the kidneys, ureters, and bladder (CT-KUB) compared with the formal radiology reports in patients with suspected acute nephrolithiasis. Methods: A sample of 12 consecutive CT-KUB scans for suspected acute nephrolithiasis was prospectively compiled and displayed using a software PACS viewer. 11 urology trainees, with an average of 24 months of urology specialist training, interpreted each scan. A total of 132 urology trainees’ reports were compared to the formal radiology reports for agreement in detecting key findings (presence or absence of stone disease), signs of urinary tract obstruction, clinically significant findings, and clinically non-significant findings. Results: There was a high level of agreement between urology trainees and radiologists for detecting key findings (98.4%) and clinically significant abnormalities (72.7%). There was less agreement in detecting all signs of urinary tract obstruction (56.2%) and non-clinically significant findings (36.8%). Conclusion: This study shows that urology trainees can accurately report CT KUB studies for key findings and clinically significant abnormalities. This may improve ongoing acute management and early patient discharge. However, their findings should be verified against formal radiological reports.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».