
-
生物通官微
陪你抓住生命科技
跳动的脉搏
儿科远程神经放射学研究结果的结构方程建模:一项为期2年的全国性研究,探讨了周转时间预测因素及临床决策支持的作用
《Child's Nervous System》:Structural equation modeling of findings in pediatric tele-neuroradiology: a 2-year nationwide study of turnaround time predictors and clinical decision support
【字体: 大 中 小 】 时间:2026年04月28日 来源:Child's Nervous System 1.3
编辑推荐:
摘要 背景 儿科神经放射学领域面临严重的人才短缺问题,远程放射学作为一种重要的解决方案应运而生。然而,关于远程放射中心发现结果及其运营影响的研究仍然有限。 研究目的 开发并验证用于识别周转时间预测因子的结构方程模型,并为儿科远程神经放射学服务的工作流程优化提出建议。 研究设计
儿科神经放射学领域面临严重的人才短缺问题,远程放射学作为一种重要的解决方案应运而生。然而,关于远程放射中心发现结果及其运营影响的研究仍然有限。
开发并验证用于识别周转时间预测因子的结构方程模型,并为儿科远程神经放射学服务的工作流程优化提出建议。
本研究遵循STROBE指南,采用回顾性队列研究方法。研究地点为美国17个州的107家医院,这些医院通过远程放射平台由美国认证的放射科医生提供解读服务。
我们分析了2023年1月至2024年12月期间7958名患者的9985份儿科神经放射学检查报告。首先使用验证性因子分析来验证研究结果的结构,然后通过结构方程建模来预测周转时间。为了评估模型性能,我们建立了二元逻辑回归模型,并使用曲线下面积(AUC)进行评估。通过5000个样本的自助法验证确保了模型的稳定性。
主要结局指标是周转时间。次要结局指标包括是否需要多次影像检查、后续建议以及是否需要会诊。
总共分析了9985份检查报告,具有超过99%的统计功效,足以检测到显著关联。
因子分析显示存在两种因素结构(创伤因素:α = 0.742,结构因素:α = 0.685)。结构模型解释了7.8%的周转时间变异,其中计算机断层扫描(CT)模式(β = -0.164)、创伤评分(β = 0.125)和结构评分(β = 0.142)是显著的预测因子。在180例(1.8%)需要立即进行神经外科手术的紧急病例中,89.4%的病例在60分钟的时间限制内完成了周转。预测模型表现出优异的区分能力:创伤性发现(AUC = 0.91)、结构性发现(AUC = 0.92)、关键性发现(AUC = 0.95),以及专门的神经外科紧急情况模型(AUC = 0.94,阴性预测值 = 0.996)。严重程度分类系统在评估影像需求(AUC = 0.76)和会诊需求(AUC = 0.89)方面显示出较强的有效性。
本研究建立了一个经过验证的结构方程模型框架,用于儿科远程神经放射学,其预测性能优异(AUC = 0.91–0.95)。在180例(1.8%)需要立即进行神经外科手术的紧急病例中,89.4%的病例在60分钟内完成了周转。虽然专门的紧急情况预测模型表现出色(AUC = 0.94),但将其应用于改善神经外科护理和患者结局的效果尚未得到验证,这将是下一步的研究重点。
回顾性设计限制了因果推断的准确性;使用单一平台可能限制结果的普遍性;CT检查占大多数(96.8%),这限制了磁共振成像的应用。关键问题是,诊断后的临床结果(包括神经外科会诊、执行的干预措施以及患者结局)未被追踪,因此无法确定记录的运营效率是否真正转化为改善的神经外科护理效果。
儿科神经放射学领域面临严重的人才短缺问题,远程放射学作为一种重要的解决方案应运而生。然而,关于远程放射中心发现结果及其运营影响的研究仍然有限。
开发并验证用于识别周转时间预测因子的结构方程模型,并为儿科远程神经放射学服务的工作流程优化提出建议。
本研究遵循STROBE指南,采用回顾性队列研究方法。研究地点为美国17个州的107家医院,这些医院通过远程放射平台由美国认证的放射科医生提供解读服务。
我们分析了2023年1月至2024年12月期间7958名患者的9985份儿科神经放射学检查报告。首先使用验证性因子分析来验证研究结果的结构,然后通过结构方程建模来预测周转时间。为了评估模型性能,我们建立了二元逻辑回归模型,并使用曲线下面积(AUC)进行评估。通过5000个样本的自助法验证确保了模型的稳定性。
主要结局指标是周转时间。次要结局指标包括是否需要多次影像检查、后续建议以及是否需要会诊。
总共分析了9985份检查报告,具有超过99%的统计功效,足以检测到显著关联。
因子分析显示存在两种因素结构(创伤因素:α = 0.742,结构因素:α = 0.685)。结构模型解释了7.8%的周转时间变异,其中计算机断层扫描(CT)模式(β = -0.164)、创伤评分(β = 0.125)和结构评分(β = 0.142)是显著的预测因子。在180例(1.8%)需要立即进行神经外科手术的紧急病例中,89.4%的病例在60分钟的时间限制内完成了周转。预测模型表现出优异的区分能力:创伤性发现(AUC = 0.91)、结构性发现(AUC = 0.92)、关键性发现(AUC = 0.95),以及专门的神经外科紧急情况模型(AUC = 0.94,阴性预测值 = 0.996)。严重程度分类系统在评估影像需求(AUC = 0.76)和会诊需求(AUC = 0.89)方面显示出较强的有效性。
本研究建立了一个经过验证的结构方程模型框架,用于儿科远程神经放射学,其预测性能优异(AUC = 0.91–0.95)。在180例(1.8%)需要立即进行神经外科手术的紧急病例中,89.4%的病例在60分钟内完成了周转。虽然专门的紧急情况预测模型表现出色(AUC = 0.94),但将其应用于改善神经外科护理和患者结局的效果尚未得到验证,这将是下一步的研究重点。
回顾性设计限制了因果推断的准确性;使用单一平台可能限制结果的普遍性;CT检查占大多数(96.8%),这限制了磁共振成像的应用。关键问题是,诊断后的临床结果(包括神经外科会诊、执行的干预措施以及患者结局)未被追踪,因此无法确定记录的运营效率是否真正转化为改善的神经外科护理效果。