Assessment of radiation exposure in a nuclear medicine department of an oncology hospital
Notice bibliographique
Résumé
Medical personnel in nuclear medicine departments are exposed to ionizing radiation which is associated with cancer induction and mortality risks. Examples of such personnel are those working in the hot-areas where radioisotopes for nuclear medicine examinations are prepared. This work aims to estimate the occupational radiation exposure for workers at the Nuclear Medicine department in Da Nang Oncology Hospital, Vietnam. The study was conducted from 2020 to 2021. The personal dose equivalents (H p ) were quantified for soft tissues for deep dose (H p (10)), eye lens dose (H p (3)), skin dose (and H p (0.07)) were quantified utilizing optically stimulated luminescence dosimeters (OSLD) crystals. In this study, the dose equivalent at the hot area is measured by 9 OSLD, while that for staff was measured using 16 OSLD. In 2020, the annual average H p (10) was (0.38 mSv ± 1.39); in 2021 Hp(10) was (0.25 mSv ± 1.27). The average H p (10) was well below the annual occupational dose limits (20 mSv.year −1 ). Regarding the annual dose, all recorded values were quite low compared to the annual radiation dose limits for radiation staff (20 mSv annual ∼ 1.67 mSv.month −1 ). Nevertheless, some points of measurement revealed a high-value dose of 5.69 mSv ± 2.83. This suggests that rigorous evaluation of the workplace is essential to ensuring workers' exposure is kept within safe levels. It is concluded that the Hp(10) and Hp(0.07) for the working environment and radiation workers were below the dose limits from ICRP. In addition, it is recommended that continuous monitoring of the occupational dose in nuclear medicine department is essential to reduce the dosimetric hazards of personnel working in the department.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».