A Systematic Review of Fatigue in Radiology: Is It a Problem?

Zusammenfassung Ziel Evaluation teleradiologischer Untersuchungen bezüglich der häufigsten Anforderungszeiten, der Häufigkeit angefragter Untersuchungen und klinischer Fragestellungen sowie zusätzlicher Auswertung der Pathologiefrequenz, gegliedert nach Organregionen und Fragestellungen. Material und Methoden Retrospektive Analyse der klinischen Angaben, Fragestellungen, untersuchten Organregionen und Diagnosen aller konsekutiven teleradiologischen Computertomographie(CT)-Untersuchungen eines Schwerpunktversorgers aus dem Jahr 2018, der 3 Kliniken der Basis- und Grundversorgung teleradiologisch betreut. Subgruppenanalysen häufiger klinischer Angaben und Befunde nach Organregionen und eine zusätzliche Auswertung des Untersuchungszeitpunktes (Datum und Tageszeit) wurden durchgeführt. Ergebnisse Es wurden 1207 Fälle aus der teleradiologischen Befundung eingeschlossen. Am häufigsten wurden CT-Untersuchungen des Schädels mit 77,9 % (davon 14,6 % mit Pathologie) durchgeführt, gefolgt von Abdomen mit 14 % (63,9 % pathologisch), Wirbelsäule/Extremitäten mit 8,8 % (50 % pathologisch) und des Thorax mit 7,9 % (53,7 % pathologisch). Die meisten Anforderungen wurden am Wochenende zwischen 8 und 16 Uhr, gefolgt von 16 bis 18 Uhr an Werktagen gestellt. Die geringste Untersuchungsfrequenz lag zwischen 2 und 4 Uhr morgens. Schlussfolgerung Teleradiologische CT-Untersuchungen werden vorwiegend zur Abklärung von zerebralen Pathologien durchgeführt, gefolgt von Fragestellungen bezüglich vermuteter Pathologien des Abdomens/Beckens, Skelettsystems und des Thorax. Dabei weist die zerebrale Bildgebung die niedrigste, die Bildgebung von Abdomen/Becken die höchste Pathologie-Inzidenz auf.

show abstract

“…visuelle Detektionsfähigkeit in der Radiologie nach langen Arbeitstagen bzw. durch Ermüdung nachts nachweisen [11][12][13][14].…”

Section: Wochentagsverteilung Sowie Tages-und Nachtzeitenunclassified

Charakterisierung teleradiologisch untersuchter Patienten an einem Krankenhaus der Schwerpunktversorgung

et al. 2020

View full text Add to dashboard Cite

show abstract

“…Considerable intra-and interobserver variation has also been demonstrated in two-or three-dimensional manual measurements 4 . Furthermore, in cases with large, extensive PNs throughout the entire body, user fatigue can result in measurement errors 5 . Ideally, automated segmentation of PNs from normal tissue with limited user interaction would decrease intra-and interobserver variability as well as user fatigue.…”

mentioning

confidence: 99%

Image segmentation of plexiform neurofibromas from a deep neural network using multiple b-value diffusion data

Kindler

Persohn

et al. 2020

Sci Rep

View full text Add to dashboard Cite

We assessed the accuracy of semi-automated tumor volume maps of plexiform neurofibroma (PN) generated by a deep neural network, compared to manual segmentation using diffusion weighted imaging (DWI) data. NF1 Patients were recruited from a phase II clinical trial for the treatment of PN. Multiple b-value DWI was imaged over the largest PN. All DWI datasets were registered and intensity normalized prior to segmentation with a multi-spectral neural network classifier (MSNN). Manual volumes of PN were performed on 3D-T2 images registered to diffusion images and compared to MSNN volumes with the Sørensen-Dice coefficient. Intravoxel incoherent motion (IVIM) parameters were calculated from resulting volumes. 35 MRI scans were included from 14 subjects. Sørensen-Dice coefficient between the semi-automated and manual segmentation was 0.77 ± 0.016. Perfusion fraction (f) was significantly higher for tumor versus normal tissue (0.47 ± 0.42 vs. 0.30 ± 0.22, p = 0.02), similarly, true diffusion (D) was significantly higher for PN tumor versus normal (0.0018 ± 0.0003 vs. 0.0012 ± 0.0002, p < 0.0001). By contrast, the pseudodiffusion coefficient (D*) was significantly lower for PN tumor versus normal (0.024 ± 0.01 vs. 0.031 ± 0.005, p < 0.0001). Volumes generated by a neural network from multiple diffusion data on PNs demonstrated good correlation with manual volumes. IVIM analysis of multiple b-value diffusion data demonstrates significant differences between PN and normal tissue.

show abstract

“…For over 10 years, a number of us have been studying the impact of fatigue on radiologists’ performance interpreting a variety of imaging studies (e.g. nodule detection in chest x‐ray and CT images, fractures in bone image, multiple trauma in CT) . It has been consistently shown that after an average of just 8 hours of imaging work (when most workdays last much longer than that), radiologists are significantly less able to visually accommodate (i.e.…”

mentioning

confidence: 99%

“…nodule detection in chest x-ray and CT images, fractures in bone image, multiple trauma in CT). 9,10 It has been consistently shown that after an average of just 8 hours of imaging work (when most workdays last much longer than that), radiologists are significantly less able to visually accommodate (i.e. focus) especially at near distances (i.e.…”

mentioning

confidence: 99%