Defining minimum image quality criteria for common diagnostic point‐of‐care ultrasound images: A position statement of the Society of Hospital Medicine
Notice bibliographique
Résumé
BACKGROUND: Point-of-care ultrasound (POCUS) use continues to expand across multiple clinical subspecialties, and the need for standardization of training and quality assurance has become increasingly important. Despite the need for training, there are currently no widely accepted multispecialty criteria to define an acceptable quality POCUS image for common POCUS applications used by clinicians. Without such criteria, discrepancies in rating POCUS image quality occur, leading to inconsistencies in training and quality assurance, which can ultimately compromise patient care and safety. METHODS: To address this gap, the Society of Hospital Medicine (SHM) Point-of-care Ultrasound Task Force convened an expert panel of 32 national POCUS experts trained in hospital medicine (n = 24), critical care (n = 4), emergency medicine (n = 3), radiology (n = 2), and cardiology (n = 1) and employed a modified-Delphi approach to develop minimum image quality criteria for five common POCUS applications: heart, lungs, abdomen, lower extremity veins, and skin/soft tissues. RESULTS: After three rounds of voting and group discussion, the panel achieved consensus on a comprehensive list of 215 items to define standard image quality criteria in five different body systems. CONCLUSIONS: These POCUS image quality criteria offer a structured, consensus-based framework for evaluating POCUS images and establish a minimum standard for defining an acceptable quality image. Use of these criteria can improve inter-rater reliability and advance standardization of POCUS imaging, which affects training, quality assurance, and credentialing/privileging practices.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».