Standardizing Multidisciplinary Case Conferences and Improving Communication Between Referring Physicians and Radiologists: A Quality Improvement Initiative
Notice bibliographique
Résumé
Purpose: Assess the effectiveness of standardizing multidisciplinary case conferences (MDCs). Methods: Anonymous electronic surveys gauged opinions of abdominal radiologists engaged in recurring MDCs. A standardized Excel template, following Cancer Care Ontario guidelines and relevant literature, was distributed to MDC managers. Physicians were instructed to send cases 36 hours prior to MDC. Template adherence was assessed at 1.5 and 8 months. A follow-up survey at 4 months evaluated the intervention’s effectiveness. Results: 27/34 abdominal radiologists provided 47 baseline responses, and 12 delegated radiologists provided 23 follow-up responses. “Often/always” being provided the image’s location increased from 36% (17/47) at baseline to 70% (16/23) at follow-up. Non-adherence to the 36-hour cut-off decreased from 36% (16/45) to 17% (4/23). 72% disagreed that uploading remote imaging to hospital servers is easy (33/46), similar to follow-up (18/23, 78%). In assessing the intervention, 41% noted improved standardization (9/22), another 41% considered MDCs already standardized (9/22), and 18% reported no change (4/22). Those reporting no change experienced a higher frequency of non-adherence to the 36-hour cut-off (3/4, 75%) than others (1/18, 6%), and less frequent “often/always” ratings for image location being provided (3/4, 75%) than others (2/18, 11%). 89% (25/28) of MDCs adhered to the template. Issues regarding last-minute add-on cases may be mitigated through EPIC force functions. Artificial intelligence advancements may assist in retrieving external images and patient information. Conclusion: Adherence to MDC standardization was high, allowing for more efficient preparation, potentially reducing radiologist administrative burdens. Future force functions and artificial intelligence integration into electronic patient records may further augment this.
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 | 0,048 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».