Canadian Medical Imaging Inventory 2022–2023: Provincial and Territorial Overview
Notice bibliographique
Résumé
The average age of imaging equipment in Canada has increased for all imaging modalities over the past 2 decades. Most imaging equipment is more than 5 years old, and at least one-third of equipment is more than 10 years old. Investing in new equipment to meet growing demand may not increase imaging capacity without also considering staffing. There is no current international benchmark for the optimal number of imaging units per population, but there is a general assumption that too few units may limit access and increase wait times while too many units may encourage low-value imaging. Canada remains below the average for Organisation for Economic Co-operation and Development (OECD) countries and is positioned in the bottom 30% of OECD countries in units per million population for CT, MRI, and PET-CT. Canada is positioned in the bottom 50% of OECD countries for volume of publicly funded CT, MRI, and PET-CT exams per 1,000 population. Since 2012, both the overall numbers of MRI, PET-CT, and SPECT-CT units and the numbers of MRI, PET-CT, and SPECT-CT units per million people have grown. The number of units for all modalities operating in Canada has increased since 2019–2020, except for SPECT units. In most provinces, the number of SPECT units per population decreased, indicating that population growth outpaced installation. The imaging workforce is under strain. Clearing the backlog of exams deferred during the pandemic has exacerbated existing staffing shortages. New investment in radiology staffing, particularly imaging technologists, is required, including improved recruitment and retention policies. Compared to the prepandemic period, there are now fewer full-time radiology professionals in practice across Canada, with medical physicists experiencing the largest decline per million population. Wait times for medical imaging remain above the recommended maximum wait time in many jurisdictions and are influenced by a variety of factors. The adoption of supportive tools and technologies — such as clinical decision support tools, automated order entry, and AI-driven solutions — can assist the workforce, add value to imaging services, and increase access to medical imaging.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,021 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,047 | 0,015 |
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 ».