Novice-performed point-of-care ultrasound for home-based imaging
Notice bibliographique
Résumé
Patient-performed point-of-care ultrasound (POCUS) may be feasible for use in home-based healthcare. We investigated whether novice users can obtain lung ultrasound (LUS) images via self-scanning with similar interpretability and quality as experts. Adult participants with no prior medical or POCUS training, who were capable of viewing PowerPoint slides in their home and who could hold a probe to their chest were recruited. After training, volunteers self-performed 8-zone LUS and saved images using a hand-held POCUS device in their own home. Each 8-zone LUS scan was repeated by POCUS experts. Clips were independently viewed and scored by POCUS experts blinded to performing sonographers. Quality and interpretability scores of novice- and expert-obtained LUS images were compared. Thirty volunteers with average age of 42.8 years (Standard Deviation (SD) 15.8), and average body mass index of 23.7 (SD 3.1) were recruited. Quality of novice and expert scans did not differ (median score 2.6, interquartile range (IQR) 2.3-2.9 vs. 2.8, IQR 2.3-3.0, respectively p = 0.09). Individual zone quality also did not differ (P > 0.05). Interpretability of LUS was similar between expert and novice scanners (median 7 zones interpretable, IQR 6-8, for both groups, p = 0.42). Interpretability of novice-obtained scans did not differ from expert scans (median 7 out of 8 zones, IQR 6-8, p = 0.42). Novice-users can self-obtain interpretable, expert-quality LUS clips with minimal training. Patient-performed LUS may be feasible for outpatient home monitoring.
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 | 0,005 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».