Measuring What Matters in Radiology: A Guide to Selecting, Implementing, and Interpreting Patient-Reported Outcome Measures
Notice bibliographique
Résumé
Patient-reported outcome measures (PROMs) are standardized, validated instruments that measure how patients feel and function, collected directly from the patient. Traditionally, key metrics in radiology include technical aspects such as image quality, radiation dose, and diagnostic accuracy. However, medical imaging and image-guided therapies shape patient experience in informational, emotional, physical, and logistical domains that are rarely measured. Failing to capture this information is an important gap in radiology research and practice today that needs to be addressed. This review synthesizes the science of PROMs through a radiology lens: what PROMs are; why PROMs are relevant to diagnostic imaging and interventional practice; how to select and interpret PROMs responsibly, with explicit attention to bias, conflicts of interest, and minimal important differences; and how to implement PROMs pragmatically using contemporary digital workflows. This article highlights radiology-specific frameworks for patient-centred outcomes of diagnostic tests, summarizes evidence on how electronic PROM (ePROM) programs can improve patient experience and clinical outcomes, and proposes a practical roadmap for department-level implementation. Throughout, this review aligns recommendations with current methodological and regulatory guidance, draws on Canadian implementation experience, and translates lessons from applied PROM programs in complex clinical services to radiology settings. Implemented thoughtfully, PROMs give radiologists a rigorous, low-burden way to document benefits radiology already provides, strengthen outcome and health-economic analyses, and co-design services around what patients value. Integrating PROMs alongside established technical and diagnostic metrics can extend radiology's value proposition, and make radiology's patient-centred impact visible, measurable, and improvable.
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 | 0,163 | 0,275 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,014 |
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 ».