Establishment of local diagnostic reference levels for common adult CT examinations: a multicenter survey in Addis Ababa
Notice bibliographique
Résumé
Abstract Background In medical imaging, a computed tomography (CT) scanner is a major source of ionizing radiation. All medical radiation exposures should be justified and optimized to meet the clinical diagnosis. Thus, to avoid unnecessary radiation doses for patients, diagnostic reference levels (DRLs) have been used. The DRLs are used to identify unusually high radiation doses during CT procedures, which are not appropriate for the clinical diagnosis. It has been successfully implemented in Europe, Canada, Australia, the United States, several industrialized countries, and a few underdeveloped countries. The present study aimed to establish DRLs for the head, chest, and abdominopelvic (AP) CT procedures in Addis Ababa, Ethiopia. Methods A pilot study identified the most frequent CT examinations in the city. At the time of the pilot, eighteen CT scan facilities were identified as having functioning CT scanners. Then, on nine CT facilities (50% of functional CT scanners), a prospective analysis of volume CT dose index (CTDIvol) and dose length product (DLP) was performed. We collected data for 838 adult patients’ head, chest, and AP CT examinations. SPSS version 25 was used to compute the median values of the DLP and CTDIvol dose indicators. The rounded 75th percentile of CTDIvol and DLP median values were used to define the DRLs. The results are compared to DRL data from the local, regional, and international levels. Result The proposed DRLs using CTDIvol (mGy) are 53, 13, and 16 for the head, chest, and AP examinations respectively, while the DLP (mGy.cm) for the respective examinations were 1210, 635, and 822 mGy.cm. Conclusion Baseline CT DRLs figures for the most frequently performed in Addis Ababa were provided. The discrepancies in dose between CT facilities and as well as between identical scanners suggests a large potential for dose optimization of examinations. This can be actually achieved through appropriate training of CT technologists and continuous dose audits.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».