Improving sonographic visualisation of the appendix in a regional referral hospital
Notice bibliographique
Résumé
Ultrasound is a first-line and often preferred imaging modality in the diagnosis of acute appendicitis. When the appendix is not visualised during a dedicated appendix ultrasound study, patients may require a CT study, which uses ionising radiation, or undergo conservative clinical observation with the inherent risk of clinical deterioration, perforation and sepsis. Median baseline data, at our hospital imaging department, revealed a rate of combined normal and abnormal appendix visualisation of 34.5% which is below the reported visualisation rates in the North American literature and well below the rates reported in the global literature. We embarked on a formal quality improvement (QI) project to improve the rates of appendix visualisation in our hospital ultrasound department. Using the Model of Improvement framework and a team approach, we generated and trialled multiple plan-do-study-act interventions over a project term of 12 months. In the second half of the project term, we saw a sustained rise in appendix visualisation exceeding our original stretch goal of 75% visualisation which was sustained 6 months after the formal project end (p<0.001). This rise was accompanied by a commensurate increase in sonographer confidence in appendix visualisation. In our case, the Model of Improvement methodology proved successful in solving our complex problem of sonographic appendix under-visualisation. The learnings of this QI project have been widely shared and spread according to the ethos of QI.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».