MARC

 008260126s2025        us                              c    eng  d
■001000017359014
■00520260202104821
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798293828241
■035    ▼a(MiAaPQ)AAI32169239
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a616
■1001  ▼aDewey,  Alfred  Matthew.
■24510▼aEvaluating  Relative  Value  Units  and  Its  Alternatives  in  Radiology
■260    ▼a[Sl]▼bThe  University  of  Alabama  at  Birmingham▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a122  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-03,  Section:  B.
■500    ▼aAdvisor:  Ozaydin,  Bunyamin.
■5021  ▼aThesis  (Ds.C.)--The  University  of  Alabama  at  Birmingham,  2025.
■520    ▼aRadiologist  productivity  in  the  United  States  is  traditionally  measured  by  the  work  Relative  Value  Unit  (wRVU).  However,  wRVUs  fail  to  capture  several  critical  aspects  of  radiologic  work,  including  study  complexity,  patient  characteristics,  and  facility  factors.  This  study  evaluated  the  statistical  significance  of  wRVUs  as  a  measure  of  productivity  and  proposes  an  alternative  model  grounded  in  ascribable  time-the  measurable  duration  a  radiologist  takes  to  interpret  and  report  a  study.A  comprehensive  literature  review  highlighted  the  inadequacy  of  wRVUs  in  accounting  for  technological  advances,  case  complexity,  and  workflow  differences.  Applying  contingency  theory  as  the  guiding  framework,  this  study  posited  that  radiology  productivity  must  be  tailored  to  institutional  and  contextual  variability.  Two  datasets  were  considered:  one  from  Wake  Radiology,  a  non-academic  outpatient  group,  and  one  from  the  University  of  Alabama  at  Birmingham,  an  academic  medical  center.Hypothesis  1  tested  whether  wRVUs  had  a  significant  relationship  with  ascribable  time.  The  results  showed  that  RVUs  were  statistically  significant;  however,  their  effect  size  and  level  of  significance  decreased  as  additional  variables  were  added  to  the  model.  Hypothesis  2  examined  whether  a  multivariable  model-including  patient  age,  number  of  diagnoses,  referring  physician  type,  exam  priority,  and  location-better  predicted  ascribable  time  for  Chest  CT  exams.  Regression  analyses  revealed  that  multiple variables  were  statistically  significant,  and  inclusion  of  these  variables  beyond  wRVU  alone  improved  model  fit  .Key  findings  suggest  that  the  complexity  of  the  case,  patient  demographics,  and  institutional  setting  significantly  influenced  the  time  required  to  interpret  radiologic  exams.  These  findings  support  a  shift  toward  a  more  nuanced  model  that  incorporates  multiple  predictors  of  radiologist  effort.  Such  a  model  could  improve  staffing  forecasts,  reduce  system  gaming  through  cherry-picking,  and  support  fairer  compensation  structures.Future  work  should  aim  on  replicating  this  study  in  other  institutions  and  modalities  and  incorporating  non-interpretive  tasks  into  ascribable  time.  A  revised  productivity  metric  informed  by  study,  patient,  and  facility  characteristics  may  enhance  both  operational  efficiency  and  equity  in  radiology.
■590    ▼aSchool  code:  0005.
■650  4▼aMedical  imaging
■650  4▼aBiophysics
■653    ▼aAscribable  time
■653    ▼aContingency  theory
■653    ▼aMedical  imaging  analytics
■653    ▼aRadiology  productivity
■653    ▼aRelative  value  units
■690    ▼a0769
■690    ▼a0786
■690    ▼a0574
■71020▼aThe  University  of  Alabama  at  Birmingham▼bHealth  Professions.
■7730  ▼tDissertations  Abstracts  International▼g87-03B.
■790    ▼a0005
■791    ▼aDs.C.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359014▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books