Implementing Teledermoscopy to Shorten Doctors’ Diagnostic Process for Suspected Skin Cancer: Observational Pilot Study
Notice bibliographique
Résumé
Background: Skin cancers are the most frequent types of cancer, and the incidence continues to rise. Teledermoscopy is a promising tool in the diagnostic process of potential skin cancer, and new technologies are constantly being developed. However, little information is available on how teledermoscopy affects physicians' time consumption. Objective: This study aimed to investigate whether teledermoscopy can shorten the diagnostic process for physicians examining skin lesions suspected of skin cancer. Methods: We recorded the time primary care providers, dermatologists, plastic surgeons, and pathologists spent examining lesions suspected of skin cancer, with and without teledermoscopy. Furthermore, we looked at five different diagnostic pathways, which reflected the most common ways through the Danish health care system for patients with suspected skin cancer, to estimate the total amount of time physicians spent examining these lesions with and without teledermoscopy. Results: A total of 118 time recordings were obtained. With teledermoscopy, the diagnostic process was significantly shortened for dermatologists (P=.008) but prolonged for primary care providers (P=.03). While the use of teledermoscopy saved time in one of the diagnostic pathways, it increased the time spent in the four others. Conclusions: Our research suggests that the implementation of teledermoscopy could save time for dermatologists and potentially plastic surgeons and pathologists, provided that a sufficient number of benign skin lesions can be accurately diagnosed and excluded from further examination and treatment. In contrast, the implementation of teledermoscopy might prolong primary care providers' consultation time.
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 | 0,000 | 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 ».