L'imagerie par résonance magnétique en Champagne-Ardenne en 2006 : comparaison entre pratiques et recommandations
Bibliographic record
Abstract
Résumé Objectifs : L’imagerie par résonance magnétique (IRM) fait partie des techniques non irradiantes dont la directive européenne 97/43/Euratom préconise l’utilisation, de préférence aux techniques irradiantes. À cet effet, les sociétés savantes ont édité en 2005 un Guide de bon usage des examens d’imagerie (GBUEI). Notre objectif était de recenser l’activité totale d’IRM et d’analyser les indications des examens. Méthodes : Il s’agissait d’une étude transversale basée sur les registres d’activité des dix appareils d’IRM de la région Champagne-Ardenne, de janvier à septembre 2006. À partir d’un échantillon aléatoire stratifié, nous avons comparé aux recommandations les motifs d’examen figurant au compte-rendu. Résultats : Nous avons recensé 41 181 examens d’IRM. Le nombre moyen d’examens quotidiens était de 151 (médiane à 198, maximum à 243). Les examens en urgence étaient exceptionnels. Les affections neurologiques totalisaient 25,7 % des examens [intervalle de confiance à 95 %(IC95) : 22,5 % ; 28,9 %], les affections ostéo-articulaires 24,7 % [IC95 : 21,5 % ; 27,9 %], les cancers 7,5 % [IC95 : 5,0%; 9,5 %]. Les situations cliniques ayant motivé l’examen étaient prévues au GBUEI dans 72,3 % des cas [IC95 : 69,0%; 75,6 %]. Conclusion : Le nombre annuel d’examens d’IRM pour 1 000 habitants était inférieur à celui des USA mais supérieur à celui du Canada et de la Grande-Bretagne. La disponibilité des appareils d’IRM semble suffisante pour le diagnostic des accidents vasculaires cérébraux, les cancers de la prostate, l’épilepsie de l’enfant. Elle est insuffisante pour les autres cancers, les affections cardio-vasculaires, les urgences. Ceci plaide en faveur de l’installation de nouveaux appareils d’IRM. Prat Organ Soins 2008;39(4):311-321
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".