Magneettikuvantamisen laadunvarmistus
Bibliographic record
Abstract
Työssä tarkastellaan magneettikuvauksen laadunvarmistusta. Työ tehtiin kirjallisuusselvityksenä, jonka lisänä haastateltiin Suomen yliopistollisia sairaaloita ja keskussairaaloita. Työssä käydään läpi aluksi magneettikuvauksen perusteita, jonka jälkeen perehdytään laadunvarmistukseen. Laadunvarmistus osio sisältää laillisen näkökulman, standardeja ja esittelee erinäisiä testimetodeja laadunvarmistuksen suorittamiseen. Lopussa esitellään haastatteluista saadut tulokset. \n \nMagneettikuvauksen laadunvarmistukseen liittyvät Euroopan Unionin ja Suomen lait koskevat pääosin vain laitteiden valmistajia. Standardit esittelevät erilaisia testimetodeja ja -protokollia laadunvarmistuksen suorittamiseen. Erilaisia testejä on paljon. Ne perustuvat suurimmaksi osaksi fantomikuvaukseen. Testien tarkoitus on varmistaa magneettikuvauslaitteiston oikeanlainen toiminta, ja näin ollen mahdollistaa luotettava data. Haastatteluiden tarkoituksena oli kartoittaa magneettikuvauksen laadunvarmistuksen nykytilannetta Suomen sairaaloissa. Tuloksien perusteella laadunvarmistuskäytännöt vaihtelevat paljon eri sairaaloiden välillä johtuen resurssi-, aikapulasta ja yhtenäisen ohjeistuksen puuttumisesta. Laadunvarmistuksessa on parannettavaa, mutta siinä ollaan menossa parempaan suuntaan.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.005 |
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; both teacher heads agree on what is shown here.
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".