Factors Affecting Accreditation in Extracranial Carotid Ultrasound Studies by the Intersocietal Accreditation Commission
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Accreditation of vascular laboratories has been shown to lead to overall improvements in quality patient care. However, there are still factors that needlessly delay the granting of full accreditation. We performed a retrospective analysis looking at factors associated with delays in accreditation in extracranial carotid artery ultrasound examinations by the Intersocietal Accreditation Commission - Vascular Testing (IAC-VT) division. Materials and Methods: We accessed an active database from the IAC-VT division between 2014 and 2020 and extracted data linked to vascular laboratory accreditation in extracranial carotid ultrasound studies. We used the ‘Delay” versus the “Grant” status as outcome and looked at the association with 18 metrics that are part of the application evaluation. We further used a modified Delphi method to determine the relative role played by either the technologist/sonographer or the interpreting physician for each metric. Statistical significance was evaluated by Chi-square. Results: A “Delay” status was assigned in 1638 (58.6%) out of 2794. Ten factors were noted to be significant univariate predictors of a “Delay” status. The three major factors were solely associated with the interpreting physician while adherence to technical factors showed mostly shared responsibility. Conclusion: This retrospective study indicated that the accreditation process is strongly dependent on interpreting physician performance. Targeted interventions may help decrease time and effort associated with the costs of the accreditation process.
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle