급성 CT의 신속한 검사 (REACT)

지역 회의(Master 2023)에서 발표된 최근 설문 조사에서는 영국의 16개 Trust(ELHT 및 MFT 포함)에 걸쳐 100명의 하급 의사에게 CT 경험에 대해 질문했습니다. 이는 CT 요청 및 해석에 대한 신뢰도가 매우 제한적임을 보여줍니다. 동일한 조사에 따르면 CT는 해석을 위한 시스템이 제공되지 않은 의과대학에서 매우 피상적으로 가르치는 것으로 보입니다. 설문 조사에 참여한 사람들 중 90%는 CT에서 더 많은 교육 자원을 활용하면 혜택을 누릴 것이라고 답했습니다. 조사관은 CT 스캔을 볼 때 방사선 전문의가 아닌 사람에게 도움이 되는 CT 해석 리소스를 개발하기를 희망합니다. 이 연구의 목표는 현재 방사선 전문의가 아닌 사람들이 새로운 자원의 필요성을 이해하기 위해 CT 스캔에 어떻게 접근하는지 확인하는 것입니다.

방사선 전문의가 아닌 사람이 CT 스캔에 접근하는 방법을 조사한 유사한 연구는 문헌에 없습니다. 방사선학 분야의 기초 의사 경험에 대한 조사가 있었지만 CT 해석이 아닌 일반 엑스레이에 초점이 맞춰져 있었습니다.

연구자들은 데이터 해석에 주제별 분석을 사용할 계획입니다. 주제별 분석을 사용하는 이론적 근거.

• 학습 및 교육 연구를 위한 질적 데이터에서 패턴/테마를 식별하는 방법으로 인정받고 있습니다.
• 특정 교육 이론에 의존하지 않는 유연한 방법론 접근 방식을 제공합니다. 따라서 방사선의사가 아닌 사람이 방사선 영상을 해석하는 방법에 대해 상대적으로 미지의 영역을 다룰 수 있습니다.

주제별 분석 과정 . 6단계 접근법을 사용합니다. 단계 목표 설명

1. 데이터 친숙화 첫 인상에 대한 메모와 함께 대본 및 비디오를 연구합니다.
2. 초기 코드 파생 데이터를 의미 있고 체계적인 방식으로 그룹화합니다.
3. 테마 검색 데이터에서 중요한 패턴을 식별합니다.
4. 테마 검토 각 테마에 대한 지원과 해당 테마가 전체 데이터 세트를 포괄하는지 여부를 검토하세요.
5. 테마 정의 각 테마가 다루고 있는 요점, 포함된 하위 테마 및 서로 간의 관계를 다루는 각 테마에 대한 명확한 설명입니다.

6. CT 스캔 해석에 영향을 미치는 본 연구의 핵심 사항과 이를 가르칠 수 있는 방법에 대한 보고서입니다.

   • 제안된 연구에서는 데이터 분석을 위해 귀납적 및 잠재 수준 접근 방식을 사용하고 있습니다. 이것은 말하고 있는 것 너머를 볼 수 있는 유연성을 허용하기 때문에 선택되었습니다. 의미론적 접근 방식은 이미지 해석을 다룰 때 피험자의 인지 전략에 대한 미리 정의된 이해를 가정하기 때문에 너무 제한적인 것으로 간주되었습니다. 대조적으로, 이미지 조작 및 핵심 질문에 대한 답변과 구두 프레젠테이션을 결합하면 사용되는 기본 인지적 접근 방식을 더 잘 이해할 수 있는 기회가 생길 것입니다.
   • 지금까지 분석된 녹취록에는 오픈코딩을 사용할 예정이다. 이를 통해 더 많은 데이터의 영향을 받아 수정할 수 있습니다.
   • 현재 정성적 데이터 분석 소프트웨어(예: ATLAS, Nvivo 등)은 사용하지 않습니다.

그 이유는 연구자가 새로운 데이터 세트에 직접 익숙해져야 하기 때문입니다. 이 예비 단계가 수행되면 UCLan의 Nvivo 액세스 사용을 고려할 것입니다. 이 결정은 개인 선호도, 예비 데이터에 대한 경험 및 예상되는 데이터베이스 크기를 고려합니다.

• 예비 주제가 제안되면 어떤 코드를 다루고 있는지 검토가 이루어집니다. 연결되지 않은 코드는 테마에 대한 추가 분석을 촉진하고 새로운 테마 또는 하위 테마 개발을 고려합니다. 이 반복 프로세스는 안정된 상태에 도달하고 새로운 테마가 생성되지 않을 때까지 새로운 데이터로 계속됩니다.