Radiation Safety Education and Practices in Urology: A Review
Notice bibliographique
Résumé
Introduction:Radiation safety education is important as fluoroscopy is commonly used for diagnostic and therapeutic purposes. Exposure to high levels of ionizing radiation is associated with an increased risk of cancer and other adverse health effects; therefore, it is essential that urologists and trainees are educated on the safe use of radiation. Unfortunately, radiation education and occupational safety is not standardized for this group and there are currently no review studies examining radiation safety for urologists in the clinical setting. This review aims at investigating the various levels of radiation safety education and practices used in urology. Methods:MEDLINE and EMBASE databases were searched for relevant publications reporting on radiation knowledge and randomized controlled trials, non-randomized comparative studies, and observational studies were included. Reviews, abstracts, editorial comments, non-urologic studies, and incomplete articles were excluded. Results:Within these articles, there were 16 observational studies. Frequency of radiation exposure ranged from <1 × to >15 × /week. There were higher rates of adherence to use of lead aprons and thyroid shields than lead eyeglasses and gloves. Radiation safety education was infrequent. Radiation safety knowledge was especially low for the risks of radiation exposure. Most studies highlight the need for increased awareness and training on radiation safety for both urology trainees and consultants. Conclusions:Radiation safety education and practices are an important issue in urology. Improvements to education and compliance to radiation safety practices are critical to ensuring urologists and trainees use ionizing radiation in a safe and responsible manner.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».