MétaCan
Menu
Retour à la cohorte
Enregistrement W4409516366 · doi:10.1186/s13104-025-07242-y

The medical radiation technologist model: a streamlined process for procedural sedations

2025· article· en· W4409516366 sur OpenAlexaff
Julien Meyer, Annette Tracey, Housne Begum, Pria Nippak

Notice bibliographique

RevueBMC Research Notes · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiology practices and education
Établissements canadiensHealth Sciences NorthToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Medical physicsComputer scienceMedicineData science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Procedural sedations are a growing and routine form of sedation. Some of them may not require the presence of a nurse. The purpose of this study is to assess the impact of the Medical Radiation Technologists (MRT) model, which forgo the presence of a Registered Nurse (RN), for procedural sedations in Computed Tomography biopsies. The setting was a teaching hospital that moved from an RN to an MRT model. We compared staff utilization, turnaround times and incident reports between pre and post implementation, over 19 months overall. RESULTS: No adverse events were observed under either model. Wait times were reduced by 25% from 131 to 98 min. Turnaround times were reduced by 2 min from 52 to 50 min. The joint cost of RN/MRIT was reduced by 37% per procedure, from $141 to $88. CONCLUSION: These results suggest that the MRT model is more cost-effective without compromising quality of care. The MRT model is promising and should be extended to more facilities and other routine procedural sedations to save time and resources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,038
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,233
Tête enseignante GPT0,558
Écart entre enseignants0,325 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Research NotesMême sujetRadiology practices and educationTravaux en français237 207