Quantifying and Contextualizing Radiation Doses in Common Pediatric Medical Imaging Examinations
Notice bibliographique
Résumé
Objective: To provide organ and effective radiation doses for common pediatric imaging examinations, which may help clinicians understand site-specific cancer risk, compare exposure across imaging modalities, and make informed care decisions. Study design: Within a large multicenter retrospective cohort, imaging utilization and associated radiation doses were estimated for children enrolled from birth into one of six US health care systems. Doses are described for examinations performed from 2012 to 2017. For computed tomography (CT), doses were estimated using examination-level technical parameters, patient height and weight, and Monte Carlo simulations. For fluoroscopy, angiography, nuclear medicine, and radiography, dose maps were developed by patient age, sex, size, and year through Monte Carlo simulations using technical parameters collected from patient examinations. The mean dose and standard deviation (SD) were calculated for each examination type, and each modality's contribution to the cohort's cumulative effective dose was calculated. Results: Eight hundred thirty-five thousand six hundred forty-three imaging examinations in 278 909 patients are included. Radiographs were the most commonly performed exam but made up 6% of radiation dose exposure. CT exams made up 4% of imaging exams but accounted for 80% of exposure. Head CT was the most common CT exam (44% of all CT). For head CT, the average radiation dose to the bone marrow (associated with hematologic cancer risk) was 9.8 mGy (SD = 6.7) and to the brain (associated with brain cancer risk) was 39 mGy (SD = 14.8). Conclusions: CT radiation doses to the bone marrow and brain fell within ranges associated with increased hematologic and brain cancer risk, and are highest in the youngest children.Keywords: Organ dose; effective dose; pediatric imaging; pediatric radiology; computed tomography; fluoroscopy; angiography; nuclear medicine; radiography; x-ray.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».