急性CT快速检查 (REACT)

最近在当地会议 (Master 2023) 上发表的一项调查向英国 16 个信托机构（包括 ELHT 和 MFT）的 100 名初级医生询问了他们的 CT 体验。 这表明人们对 CT 请求和判读的信心非常有限。 从同一项调查来看，医学院对 CT 的教学似乎非常肤浅，没有提供解释系统。 90% 的受访者表示，他们将受益于更多的 CT 教育资源。 研究人员希望开发一种 CT 解释资源，以帮助非放射科医生查看 CT 扫描。 本研究旨在了解非放射科医生目前如何使用 CT 扫描来了解新资源的需求。

文献中没有类似的研究调查非放射科医生如何进行 CT 扫描。 对基础医生的放射学经验进行了调查，但重点是普通 X 光检查，而不是 CT 解读。

研究人员计划在数据解释中使用主题分析。 使用主题分析的基本原理。

• 识别学习和教学研究定性数据模式/主题的公认方法。
• 提供不依赖于特定教育理论的灵活方法论。 因此，它能够处理非放射科医生如何解释放射图像的相对未知领域。

主题分析的过程。 使用 6 步方法。 步骤 目标 评论

1. 数据熟悉 研究文字记录和视频，并记录初步印象。
2. 派生初始代码 以有意义且系统的方式对数据进行分组。
3. 搜索主题 辨别数据中的任何重要模式。
4. 检查主题 检查每个主题的支持以及它们是否覆盖整个数据集。
5. 定义主题 对每个主题的清晰描述，涵盖其所涉及的要点、其包含的任何子主题以及它们之间的相互关系。

6. 关于本研究中影响 CT 扫描解释及其教学方式的要点的书面报告。

   • 拟议的研究使用归纳和潜在水平方法进行数据分析。 之所以选择这个，是因为它可以灵活地超越所说的内容。 语义方法被认为限制性太大，因为它假设对受试者在处理图像解释时的认知策略有预先定义的理解。 相反，通过将口头陈述与图像处理和关键问题的回答相结合，将有更好的机会欣赏所采用的潜在认知方法。
   • 迄今为止分析的转录本将使用开放编码。 这使得它们可以在更多数据的影响下进行修改。
   • 目前，定性数据分析软件（例如 ATLAS、Nvivo 等）没有使用。

原因是研究人员需要第一手熟悉新的数据集。 一旦该初步阶段完成，将考虑使用中央兰开夏大学对 Nvivo 的访问。 该决定将考虑个人偏好、初步数据的经验以及数据库的预期大小。

• 一旦提出初步主题，将进行审查以了解它们涉及哪些代码。 未链接的代码将促进对主题的进一步分析，考虑新主题或子主题的开发。 这个迭代过程会使用新数据继续进行，直到达到稳定状态并且不会生成新主题。