MétaCan
Menu
Retour à la cohorte
Enregistrement W4403074557 · doi:10.1186/s13089-024-00392-3

Comparison of 6 handheld ultrasound devices by point-of-care ultrasound experts: a cross-sectional study

2024· article· en· W4403074557 sur OpenAlexfundno aff
Ariadna Perez‐Sanchez, Gordon E. Johnson, Neysan Pucks, Riya Soni, Terry J. S. Lund, Alison Andrade, Minh-Phuong T Le, Jessica Solis‐McCarthy, Tanping Wong, Arsal Ashraf, Andre Kumar, Gisela I. Banauch, James R Verner, Amik Sodhi, Meghan K. Thomas, Charles M. LoPresti, Hannah Schmitz, Abhilash Koratala, John Hunninghake, Erik Manninen, Carolina Candotti, Taro Minami, Benji K. Mathews, Ghassan Bandak, Harald Sauthoff, HENRY MAYO-MALASKY, Joel Cho, Nick Villalobos, Kevin C. Proud, Brandon Boesch, Federico Fenton Portillo, Kreegan Reierson, Manpreet Malik, Firas Abbas, Timothy P. Johnson, Elizabeth K. Haro, Michael Mader, Paul H. Mayo, Ricardo Franco‐Sadud, Nilam J. Soni

Notice bibliographique

RevueThe Ultrasound Journal · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensnon disponible
Organismes subventionnairesNYU Grossman School of MedicineQuality Enhancement Research InitiativeYork UniversityVirginia Commonwealth UniversitySchool of Medicine, Emory UniversityUniversity of MinnesotaUniversity of South CarolinaVA National Center for Patient SafetyKaiser PermanenteEmory UniversityCase Western Reserve UniversityUniversity of Central FloridaWashington State UniversitySchool of Medicine, Case Western Reserve UniversityBrown UniversityNew York City Department of Health and Mental HygieneU.S. Department of Veterans Affairs
Mots-clésMedicineUltrasoundCross-sectional studyMedical physicsRadiologyPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Point-of-care ultrasound (POCUS) has emerged as an essential bedside tool for clinicians, but lack of access to ultrasound equipment has been a top barrier to POCUS use. Recently, several handheld ultrasound devices (“handhelds”) have become available, and clinicians are seeking data to guide purchasing decisions. Few comparative studies of different handhelds have been done. We conducted a cross-sectional study comparing 6 handhelds readily available in the United States (Butterfly iQ + ™ by Butterfly Network Inc.; Clarius ™ by Clarius Mobile Health; Kosmos ™ by EchoNous; TE Air ™ by Mindray; Vscan Air ™ SL and CL by General Electric; and Lumify ™ by Philips Healthcare). A multi-specialty group of physician POCUS experts (n = 35) acquired three standard ultrasound views (abdominal right upper quadrant, cardiac apical 4-chamber, and superficial neck and lung views) in random order on the same standardized patients and rated the image quality. Afterward, a final survey of the overall ease of use, image quality, and satisfaction of each handheld was completed. Results Thirty-five POCUS experts specializing in internal medicine/hospital medicine, critical care, emergency medicine, and nephrology acquired and rated right upper quadrant, apical 4-chamber, and superficial neck and lung views with 6 different handhelds. For image quality, the highest-rated handhelds were Vscan Air ™ for the right upper quadrant view, Mindray TE Air ™ for the cardiac apical 4-chamber view, and Lumify ™ for superficial views of the neck and lung. Overall satisfaction with image quality was highest with Vscan Air ™ , Lumify ™ , and Mindray, while overall satisfaction with ease of use was highest with Vscan Air ™ . The 5 most desirable characteristics of handhelds were image quality, ease of use, portability, probe size, and battery life. Ultimately, all 6 handhelds had notable advantages and disadvantages, with no single device having all desired qualities or features. Conclusions The overall satisfaction with image quality was rated highest with Vscan Air ™ , Lumify ™ , and Mindray TE Air ™ when acquiring right upper quadrant, apical 4-chamber, and superficial neck and lung views. No single handheld was perceived to be superior in image quality for all views. Vscan Air ™ was rated highest for overall ease of use and was the most preferred handheld for purchase by POCUS experts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,420
Écart entre enseignants0,369 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Ultrasound JournalMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207