Application of repeat image analysis to radiation therapy imaging modalities as a quality improvement tool for image guided radiotherapy
Notice bibliographique
Résumé
BACKGROUND: Repeat images contribute to excess patient dose and workflow inefficiencies and can be analyzed to identify potential areas for improvement within a program. Although routinely used in diagnostic imaging, repeat image analysis is not widely used in radiation therapy imaging, despite the role of imaging in the delivery of precise radiation treatments. PURPOSE: Repeat image analysis was performed for on-board cone beam CT imagers and CT simulators within a radiation therapy department. Both the rate of repeat images and the reasons for the repeat images were analyzed. METHODS: Data from nine conventional linear accelerators and three CT simulators were analyzed retrospectively over a 5-month period. Repeated images that were not part of the standard of care were considered repeat images. The repeat rate was expressed as the number of repeat scans as percentage of the total number of scans performed. The reasons for the repeats were collected and classified as either patient preparation, patient setup, patient motion, or machine error. These reasons were further classified into sub-categories. RESULTS: The overall repeat rate across the linear accelerators was 3.3%, with a maximum of 5% on any single machine. The repeat rate for the three CT simulators was 1.5%. The most common reasons for repeat images were patient preparation (incorrect bladder or rectal filling) and patient setup or positioning. Greater positioning challenges led to higher repeat rates on units that treat a large number of breast patients, palliative patients, or pediatric patients. CONCLUSIONS: Repeat image analysis can be applied within a radiation therapy department. Establishing baseline repeat rates and analyzing reasons for the repeat images can identify opportunities for improvements in terms of patient dose reduction and workflow efficiency for the program. Periodic repeat image analysis also permits monitoring the program for changes and for comparison against rates at other institutions.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 ».