Linear accelerator maintenance cost analysis
Notice bibliographique
Résumé
PURPOSE: Medical linear accelerators are the most costly standard equipment used in radiation oncology, however the service costs for these machines are not well understood. With an increasing demand for linear accelerators due to a global increase in cancer incidence, it is important to understand the expected maintenance costs of a larger global installed base so that these costs can be incorporated into budgeting. The purpose of this investigation is to analyze the costs for medical linear accelerator service and maintenance at our institution, in order to estimate the service cost ratio. METHODS: We collected the costs of parts used for all service work done on 32 medical linear accelerators over a two year period. The data was segregated by center, machine, linear accelerator type, and failure area in the machine. RESULTS: We found the service cost ratio (excluding software support expenses) to be 3.13% [2.74%, 3.52%,]. We observed a variability of parts costs, and overall variability of the service cost ratio to be between 2.14% and 5.25%. This result is lower than other estimates for service costs for medical equipment in general and medical linear accelerators specifically. Two-thirds of the service costs were due to labor costs, which indicate the importance of a well-trained service technician workforce. CONCLUSIONS: We estimated the service cost ratio for medical linear accelerators to be 3.13% [3.52%, 2.74%] of the initial capital cost. This result was lower than other estimates of the service cost ratio.
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 | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».