Early user experience and lessons learned using ultra-portable digital X-ray with computer-aided detection (DXR-CAD) products: A qualitative study from the perspective of healthcare providers
Notice bibliographique
Résumé
BACKGROUND: Recent technological and radiological advances have renewed interest in using X-rays to screen and triage people with tuberculosis (TB). The miniaturization of digital X-ray (DXR), combined with automatic interpretation using computer-aided detection (CAD) software can extend the reach of DXR screening interventions for TB. This qualitative study assessed early implementers' experiences and lessons learned when using ultra-portable (UP) DXR systems integrated with CAD software to screen and triage TB. METHODS: Semi-structured interviews were conducted with project staff and healthcare workers at six pilot sites. Transcripts were coded and analyzed using a framework approach. The themes that emerged were subsequently organized and presented using the Consolidated Framework for Implementation Research (CFIR). RESULTS: There were 26 interviewees with varying roles: supervisory, clinicians, radiographers, and radiologists. Participants recognized the portability as the main advantage, but criticize that it involves several compromises on throughput, internet dependence, manoeuvrability, and stability, as well as suitability for patients with larger body sizes. Furthermore, compared to using hardware and software from the same supplier and without digital health information systems, complexity increases with interoperability between hardware and software, and between different electronic health information systems. Currently, there is a limited capacity to implement these technologies, especially due to the need for threshold selection, and lack of guidance on radiation protection suitable for UP DXR machines. Finally, the respondents stressed the importance of having protected means of sharing patient medical data, as well as comprehensive support and warranty plans. CONCLUSION: Study findings suggest that UP DXR with CAD was overall well received to decentralize radiological assessment for TB, however, the improved portability involved programmatic compromises. The main barriers to uptake included insufficient capacity and lack of guidance on radiation protection suitable for UP DXR.
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 | 0,018 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».