ncbi.nlm.nih.

gov

Digital Radiography Reject Analysis: Data

Collection Methodology, Results, and
Recommendations from an In-depth
Investigation at Two Hospitals
26-33 minutes

This article has been cited by other articles in PMC.

Abstract
Reject analysis was performed on 288,000 computed radiography (CR) image records
collected from a university hospital (UH) and a large community hospital (CH). Each record
contains image information, such as body part and view position, exposure level, technologist
identifier, and—if the image was rejected—the reason for rejection. Extensive database
filtering was required to ensure the integrity of the reject-rate calculations. The reject rate for
CR across all departments and across all exam types was 4.4% at UH and 4.9% at CH. The
most frequently occurring exam types with reject rates of 8% or greater were found to be
common to both institutions (skull/facial bones, shoulder, hip, spines, in-department chest,
pelvis). Positioning errors and anatomy cutoff were the most frequently occurring reasons for
rejection, accounting for 45% of rejects at CH and 56% at UH. Improper exposure was the
next most frequently occurring reject reason (14% of rejects at CH and 13% at UH), followed
by patient motion (11% of rejects at CH and 7% at UH). Chest exams were the most
frequently performed exam at both institutions (26% at UH and 45% at CH) with half
captured in-department and half captured using portable x-ray equipment. A ninefold greater
reject rate was found for in-department (9%) versus portable chest exams (1%). Problems
identified with the integrity of the data used for reject analysis can be mitigated in the future
by objectifying quality assurance (QA) procedures and by standardizing the nomenclature
and definitions for QA deficiencies.

Key words: Reject analysis, quality assurance, digital radiography

Introduction
Digital radiography systems are in use throughout the medical imaging community and now
represent the standard of care at many hospitals and imaging centers. To date, however, there
is little reported in the technical literature on the quality performance, as measured in terms of
reject rates, associated with the clinical use of these systems. The term reject refers to
radiographs of patients that are judged by the technologist acquiring the image to be clinically
unacceptable and needing to be repeated. Nonpatient captures, such as images that are used
for quality control (QC) purposes, are also categorized as rejects.
The data required to calculate reject rates for digital systems have historically been difficult
to obtain.1 This problem has been further compounded by the lack of the software
infrastructure necessary to centrally compile data for radiology departments that have
multiple digital-capture devices.2 Quality assurance (QA) tools such as digital dashboards and
device clustering software platforms are now available from some manufacturers (Carestream
Health at http://www.carestreamhealth.com/). These software tools facilitate access to the
objective data necessary to analyze and report on reject statistics and digital radiography
equipment-utilization performance across an entire institution.

We describe the methodology used to compile a comprehensive database consisting of more

than 288,000 computed radiography (CR) patient image records from two hospitals having
all-digital radiology departments, and we report on the results of the reject analysis performed
on that database.

Materials and Methods

A reject-tracking tool was activated on 16 Kodak DirectView CR Systems (Rochester,
NY,USA) at a university hospital (UH) and on 4 Kodak DirectView CR Systems at a large
community hospital (CH) (Carestream Health at http://www.carestreamhealth.com/). These
20 devices represented all of the CR systems within the 2 hospitals. With the reject-tracking
software enabled, technologists were required to enter a reason for rejection for any rejected
image before the CR system would allow another image to be scanned. This ensured that
every captured CR image, whether accepted or rejected, was accounted for in the database
and in the subsequent reject analysis. Table 1 shows the reject-reason terminology that was
used in the reject-tracking tool at each hospital. The reasons for rejection are configurable
within the reject-tracking software, and before the start of this investigation, each site had
preestablished their own list of reasons.

Table 1

Reasons for Rejection for UH and CH

CH UH
Clipped anatomy Clipped anatomy
Positioning error Positioning error
Patient motion Patient motion
Low index Underexposure
Test Blank cassette
Artifact Artifact
Other reason Other reason
Clipped marker –
High index Overexposure
Incorrect marker –
Low exposure index Low exposure index
No reason No reason
High exposure index –
 CH UH
– Equipment failure

A research workstation was integrated into the picture archiving and communication systems
(PACS) network at each hospital for the purpose of providing a centralized remote query and
retrieval mechanism for the image records stored within the CR systems. Each workstation
consisted of a computer (Precision 370, DELL Computer, Round Rock, TX, USA) equipped
with a 19 in. color LCD monitor (VA902b, ViewSonic, Walnut, CA, USA), a 3-MP high-
resolution diagnostic display (AXIS III, National Display Systems, San Jose, CA, USA) and
a 250-MB portable hard drive (WD2500B011, Western Digital, Lake Forest, CA, USA).
Customized software (not commercially available) was loaded onto the research
workstations, which allowed image records to be remotely and automatically downloaded
from each of the CR systems. An image record was composed of image-centric information
including the CR device identifier (ID), body part, view position, technologist ID, exposure
information, and—if the image was rejected—the reason for rejection. The image record also
contained the unprocessed image for all rejects and for many of the accepted exams. If the
image record contained the unprocessed image, the diagnostic rendering state was also
captured so that the image processing could be reproduced according to the hospital
preferences. Protected health information was scrubbed from each record so that they were
not traceable to the patient.

Image records were collected from all four CR systems at the CH for a period of 435
consecutive days. Image records were collected from all 16 CR systems at UH for a period of
275 consecutive days. The database was populated with both accepted and rejected records.
For 6,000 of the clinically rejected records, image pairs were created that consisted of the
clinically rejected image, i.e., one not suitable for diagnosis, along with one subsequently
repeated image of acceptable diagnostic quality. The data from each CR system was then
compiled into a common database containing more than 288,000 image records. The data
collection protocol was approved by each hospital’s investigational review board.

The reject portion of the database initially included records for both clinical images and
nonpatient images. Records corresponding to nonpatient images, such as phosphor plate
erasures and test phantom exposures, were filtered from the reject database using a
combination of computer-based image analysis and visual inspection. The filtering process
reduced the initial size of the CH portion of the reject database by 38% and the UH portion of
the reject database by 25%. The filtered database was then analyzed to determine the
frequency distributions of accepted and rejected patient images and to compute the reject
rates across different exam types. Reject rates were calculated by dividing the number of
rejected images by the sum of the number of rejected and accepted images.

Results
A summary breakdown for each hospital of the exam-type distribution of accepted and
rejected images and corresponding reject rates is shown in Table 2. The analysis revealed the
reject rate for CR patient images across all departments and across all exam types was 4.4%
at UH and 4.9% at CH. The most frequently occurring exam types, having reject rates of 8%
or greater, were found to be common to both institutions (skull/facial bones, shoulder, hip,
spines, in-department chest, pelvis). The reject rates for in-department chest versus portable
chest exams were found to be dramatically different at both sites with a ninefold greater
reject rate for in-department chest (9%) versus portable chest (1%).

Table 2

Database Summary from UH and CH

Accepts Rejects Reject Rate (%)

UH
Portable chest 21,040 208 1.0
Chest 18,523 1834 9.0
Knee 15,165 695 4.4
Foot 10,371 142 1.4
Ankle 9,699 188 1.9
Abdomen 8,515 355 4.0
Pediatric chest 7,114 84 1.2
Shoulder 6,373 779 10.9
Wrist 5,595 143 2.5
Hand 4,933 56 1.1
Hip 4,760 505 9.6
Tibia fibula 4,596 65 1.4
Lspine 4,480 392 8.0
CSpine 4,259 398 8.5
Pediatric abdomen 4,252 51 1.2
Barium study 4,178 106 2.5
Pelvis 3,699 322 8.0
Elbow 3,414 156 4.4
Femur 2,652 101 3.7
Extremity 2,022 24 1.2
Forearm 1,936 55 2.8
TSpine 1,148 121 9.5
Humerus 1,038 41 3.8
Trauma series 541 23 4.1
FAS 533 22 4.0
Spine 532 49 8.4
Thorax 359 22 5.8
Skull 308 19 5.8
Facial bones 124 32 20.5
Bone survey 58 0 0.0
Joint 29 4 12.1
Cranium 13 1 7.1
Nasal bones 13 1 7.1
 Accepts Rejects Reject Rate (%)
General abdomen 8 1 11.1
Other 6 1 14.3
IVP 5 1 16.7
Long bone 5 1 16.7
Custom 1 1 0 0.0
Total 152,297 6,998 4.4
CH
Portable chest 28,777 273 0.9
Chest 26,856 2,578 8.8
Abdomen 11,424 448 3.8
Knee 7,826 353 4.3
Ankle 5,736 89 1.5
Foot 4,744 121 2.5
Wrist 4,360 71 1.6
LSpine 4,248 404 8.7
Hand 4,049 71 1.7
Shoulder 3,453 352 9.3
CSpine 3,302 394 10.7
Hip 2,799 297 9.6
Tibia fibula 2,548 27 1.0
Elbow 2,357 50 2.1
Fingers toes 2,080 47 2.2
Forearm 1,613 42 2.5
Femur 1,195 79 6.2
TSpine 1,087 124 10.2
Ribs sternum 952 107 10.1
Pelvis 940 142 13.1
Humerus 701 40 5.4
Facial bones 471 64 12.0
Skull 369 72 16.3
Pediatric chest 368 31 7.8
Pediatric abdomen 73 1 1.4
Nasal bones 64 8 11.1
Spine 54 4 6.9
Scoliosis 41 2 4.7
Cranium 25 2 7.4
LLI 22 5 18.5
Joint 6 0 0.0
General abdomen 3 1 25.0
Pattern 0 1 100.0
 Accepts Rejects Reject Rate (%)
Total 122,543 6,300 4.9

Table 3 shows a detailed breakdown of the frequency of occurrence of rejected exams by

body part and view position for CH. Table 4 shows the equivalent breakdown for UH. For
Tables 3 and 4, the rows are sorted from top to bottom by most-to-least frequently occurring
body part type for the combined total of accepted and rejected exams. Similarly, the columns
are sorted from left to right by most frequently occurring to least frequently occurring view
position for the combined total of accepted and rejected exams. Tables 5 and 6 were sorted in
the same manner as Tables 3 and 4 and show the distribution of reject rates for each body part
and view position for CH (Table 5) and UH (Table 6).

Table 3

Body Part and View Position Distribution of Rejected Patient Exams Collected from Four CR
Systems Over a 435-day Period at a Large CH

Later Othe XTabl LP RP LLDecu RA LA RLDecu L R Tota

CH AP PA
al r e O O b O O b L L l
Portable
269 2 1 1 273
chest
1,21 57 2,57
Chest 764 3 1 11 1 10
6 2 8
Abdome
298 21 10 4 5 16 4 74 6 1 9 448
n
Knee 119 133 65 16 8 9 2 1 353
Ankle 44 27 6 4 2 4 1 1 89
Foot 45 42 3 19 1 5 3 2 1 121
Wrist 6 35 12 7 7 1 2 1 71
LSpine 84 226 3 18 23 24 23 1 2 404
Hand 8 23 25 5 1 4 3 2 71
Shoulde
123 183 2 33 3 2 6 352
r
Cspine 120 109 70 41 25 24 2 3 394
Hip 145 85 1 65 1 297
Tibia
8 13 2 3 1 27
fibula
Elbow 19 20 8 2 1 50
Fingers
10 10 16 5 1 1 3 1 47
toes
Forearm 12 21 1 2 6 42
Femur 38 35 6 79
TSpine 26 84 10 4 124
Ribs
44 15 1 5 22 18 2 107
Sternum
 Later Othe XTabl LP RP LLDecu RA LA RLDecu L R Tota
CH AP PA
al r e O O b O O b L L l
Pelvis 119 10 1 6 5 1 142
Humeru
19 18 3 40
s
Facial
36 5 6 12 1 4 64
bones
Skull 41 9 14 5 1 1 1 72
Pediatri
6 12 11 1 1 31
c chest
Pediatri
c
1 1
abdome
n
Nasal
1 4 1 2 8
bones
Spine 2 2 4
Scoliosi
1 1 2
s
Cranium 2 2
LLI 4 1 5
Joint
General
abdome 1 1
n
Pattern 1 1
2,86 67 6,30
Total 1,909 290 192 116 104 86 23 11 19 3 1
7 9 0

Table 4

Body Part and View Position Distribution of Rejected Patient Exams Collected from 16 CR
Systems over a 275-day Period at a UH

Latera XTabl Othe LP RP LL RA R LA RL L Tota

UH AP PA
l e r O O D O L O D L l
Portable
206 1 1 208
chest
1,13 21
Chest 464 1 1 4 1 2 5 1,834
8 8
Knee 160 113 55 254 113 695
Foot 69 29 4 24 16 142
Ankle 102 42 1 34 4 3 2 188
Abdomen 241 5 2 4 1 30 18 53 1 355
Pediatric 58 12 9 1 1 3 84
 Latera XTabl Othe LP RP LL RA R LA RL L Tota
UH AP PA
l e r O O D O L O D L l
chest
Shoulder 152 117 22 350 128 7 3 779
Wrist 7 75 18 34 8 1 143
Hand 11 17 25 2 1 56
Hip 92 46 366 1 505
Tibia
24 13 28 65
fibula
LSpine 154 176 19 23 19 1 392
CSpine 220 95 27 13 23 20 398
Pediatric
30 5 1 14 1 51
abdomen
Barium
22 2 27 20 3 2 12 15 2 1 106
study
Pelvis 277 7 13 1 12 12 322
Elbow 55 65 6 25 5 156
Femur 38 25 38 101
Extremit
7 9 7 1 24
y
Forearm 8 26 6 14 1 55
Tspine 44 53 19 5 121
Humerus 19 19 2 1 41
Trauma
23 23
series
FAS 15 1 6 22
Spine 18 26 1 1 3 49
Thorax 4 4 1 1 2 1 7 2 22
Skull 8 5 3 3 19
Facial
23 1 4 3 1 32
bones
Bone
0
survey
Joint 1 2 1 4
Cranium 1 1
Nasal
1 1
bones
General
1 1
abdomen
Other 1 1
IVP 1 1
Long
1 1
bone
 Latera XTabl Othe LP RP LL RA R LA RL L Tota
UH AP PA
l e r O O D O L O D L l
Custom 1
3,22 41
Total 1,447 1,258 305 121 84 80 23 16 8 10 1 6,998
9 6

Table 5

Body Part and View Position Distribution of Reject Rates for Patient Images Collected from
Four CR Systems over a 435-day Period at a Large CH

AP Later PA Othe XTab LP RP RA LA LL RL

LLDec RLDec Combin
CH (% al (% r le O O O O (% (%
ub (%) ub (%) ed (%)
) (%) ) (%) (%) (%) (%) (%) (%) ) )
Portable
1 18 1 33 – 0 0 0 – – 0 – – 0.9
chest
Chest 11 8 7 25 17 0 0 7 0 20 17 0 – 8.8
Abdome
3 6 2 8 36 8 4 6 3 6 6 0 0 3.8
n
Knee 3 7 0 4 2 3 4 – 4 2 – – – 4.3
Ankle 2 1 0 1 3 1 2 – 2 3 – – – 1.5
Foot 2 3 1 4 2 3 2 – 6 3 – – – 2.5
Wrist 1 3 1 1 12 1 2 – 1 0 – – – 1.6
LSpine 7 10 4 13 10 8 8 0 4 0 – 29 – 8.7
Hand 2 2 2 1 0 1 4 – 3 4 – – – 1.7
Shoulde
6 16 40 9 15 3 6 0 0 0 – – – 9.3
r
CSpine 9 11 0 18 12 8 8 – 33 23 – 0 – 10.7
Hip 8 9 0 4 22 50 0 – – – – – – 9.6
Tibia
1 1 – 1 2 2 0 – 0 0 – – – 1.0
fibula
Elbow 2 3 0 3 11 0 2 – 0 0 – – – 2.1
Fingers
2 2 3 2 0 2 2 – 5 2 – – – 2.2
toes
Forearm 2 3 1 2 11 0 0 – 0 0 – – – 2.5
Femur 5 7 0 0 6 – – – – 0 – – – 6.2
TSpine 7 11 – 31 19 – – – – – – 0 – 10.2
Ribs
6 36 6 22 0 16 14 – 18 0 – – – 10.1
sternum
Pelvis 13 10 11 27 – 29 8 0 – 0 – – – 13.1
Humeru
5 6 0 0 75 0 0 – – – – – – 5.4
s
Facial
14 7 5 30 0 13 31 – 0 0 – – 0 12.0
bones
 AP Later PA Othe XTab LP RP RA LA LL RL
LLDec RLDec Combin
CH (% al (% r le O O O O (% (%
ub (%) ub (%) ed (%)
) (%) ) (%) (%) (%) (%) (%) (%) ) )
Skull 18 8 20 28 25 50 0 – – – 0 0 33 16.3
Pediatri
3 10 13 33 – – – – – – 0 – – 7.8
c chest
Pediatri
c
2 0 0 – – – – 0 – 0 – – – 1.4
abdome
n
Nasal
14 11 5 50 0 – – – – – – 0 0 11.1
bones
Spine 11 9 0 – 0 0 0 – 0 0 – 0 – 6.9
Scoliosi
3 13 – – – – – – – – – – – 4.7
s
Craniu
12 0 0 0 0 – – – – 0 – – – 7.4
m
LLI 15 – – – – – – – – – – – – 18.5
Joint 0 0 – – – – 0 – – – – – – 0.0
General
abdome 0 – – – – – – – – – – – – 25.0
n
Pattern – – – – – – – – – – – – – –
Combin 10. 12.
4.0 6.8 5.0 5.0 8.7 5.8 5.2 6.1 3.3 2.7 8.4 4.9
ed 0 5

Table 6

Body Part and View Position Distribution of Reject Rates for Patient Images Collected from
16 CR Systems over a 275-day Period at a UH

AP PA LP RP LL RA RL LA RL LL
Latera XTabl Othe Combine
UH (% (% O O D O (% O D (%
l (%) e (%) r (%) d (%)
) ) (%) (%) (%) (%) ) (%) (%) )
Portable
1 0 6 0 33 1.0
chest
Chest 16 7 4 9 0 8 0 13 11 0 29 23 0 9.0
Knee 3 6 5 6 3 0 0 0 4.4
Foot 1 1 4 6 8 0 0 0 0 1.4
Ankle 2 1 17 4 3 0 8 40 0 1.9
Abdome
3 9 6 7 50 5 4 10 0 33 0 0 0 4.0
n
Pediatric
1 5 3 2 1 0 7 1.2
chest
Shoulder 5 19 14 13 17 6 4 0 10.9
 AP PA LP RP LL RA RL LA RL LL
Latera XTabl Othe Combine
UH (% (% O O D O (% O D (%
l (%) e (%) r (%) d (%)
) ) (%) (%) (%) (%) ) (%) (%) )
Wrist 2 3 1 12 6 0 0 0 33 0 2.5
Hand 5 1 1 0 4 0 7 0 0 0 1.1
Hip 7 10 0 11 11 0 0 9.6
Tibia
1 1 0 3 0 0 1.4
fibula
LSpine 8 8 0 31 0 7 6 0 25 8.0
CSpine 11 6 4 19 9 8 0 0 0 8.5
Pediatric
1 0 4 2 0 0 4 0 0 50 0 1.2
abdomen
Barium
2 2 3 5 2 4 2 4 3 2 0 2.5
study
Pelvis 7 9 0 19 13 14 14 0 0 8.0
Elbow 4 4 6 11 4 0 0 0 4.4
Femur 3 5 0 4 0 3.7
Extremit
3 1 1 0 3 0 1.2
y
Forearm 1 3 2 6 3 2.8
TSpine 7 9 30 14 0 0 9.5
Humerus 3 5 0 15 0 25 0 3.8
Trauma
4 0 4.1
series
FAS 3 0 2 0 9 0 4.0
Spine 10 7 0 17 38 8.4
Thorax 5 24 2 25 7 0 6 2 5.8
Skull 7 6 14 3 0 0 0 0 5.8
Facial
26 5 17 0 33 0 0 20.5
bones
Bone
0 0 0 0 0.0
survey
Joint 0 0 0 13 25 25 0 12.1
Cranium 0 9 0 7.1
Nasal
13 0 0 0 7.1
bones
General
11 11.1
abdomen
Other 0 0 0 14.3
IVP 17 16.7
Long
17 16.7
bone
Custom 0 0.0
 AP PA LP RP LL RA RL LA RL LL
Latera XTabl Othe Combine
UH (% (% O O D O (% O D (%
l (%) e (%) r (%) d (%)
) ) (%) (%) (%) (%) ) (%) (%) )
1
Combine
3.8 4.5 2.7 8.2 5.4 6.4 5.7 6.9 3.4 3.7 4.0 6.9 1.5 4.4
d

The combination of positioning errors and anatomy cutoff was the most frequently occurring
reason for rejection, accounting for 45% of all rejects at CH and 56% at UH. Improper
exposure (either too low or too high) was the next most frequently occurring reject reason
(14% of rejects at CH and 13% at UH), followed by patient motion (11% at CH and 7% at
UH). Smaller percentages of rejects were attributed to artifacts, clipped or missing markers,
and/or unspecified other reasons.

Chest exams (including in-department and portable chest exams) were the single-most
frequently performed CR procedure at both institutions (26% at UH and 45% at CH).
Whereas both institutions also have dedicated digital radiography (DR) rooms, the number of
DR rooms at UH is greater, which partially explains the relatively lower overall percentage of
CR chest exams. A further influencing factor of this difference is the inclusion of five CR
systems from within the orthopedic clinic at UH, a high-volume facility accounting for very
few chest exams. At both institutions, approximately half of all CR chest exams were
captured in-department and half were captured using portable x-ray equipment. It should be
noted that when the body part was designated as chest, it was interpreted that the image was
captured within the radiology department with the patient in the erect position. We have a
high level of confidence that this interpretation was accurate for all images labeled with either
the posteroanterior (PA) or lateral view positions but suspect that this interpretation may be
inaccurate for some images labeled as chest anteroposterior (AP). With the nominal
workflow, the technologist specifies the body part and view position information for each
image before it is scanned. This is done for purposes of indexing the appropriate image-
processing algorithm parameters and for populating the Digital Imaging Communications in
Medicine image header (http://medical.nema.org). The CR systems were all configured so
that if the technologist did not specify the body part and view position, the system would
default to chest AP. A visual inspection of a large sampling of accepted chest AP images
revealed that some of these appeared to have the characteristics of a portable chest and, more
appropriately, should have been assigned portable chest. However, there was no practical
way to retrospectively confirm the exam type. The percentage of rejected chest AP images
having portable chest x-ray imaging characteristics is considerable, suggesting that the
acquiring technologist may not have overridden the default body part designation before
rejecting the image. Furthermore, a small percentage of rejected images labeled chest AP
were visually identified as other exam types altogether (nonchest). We suspect that this may
have occurred for workflow efficiency purposes, based on the technologist knowing a priori
that the image would be rejected based on the acquisition situation, e.g., “the technologist
observed that the patient moved during the exposure.” The result of these situations was that
a thorough visual inspection of chest AP-rejected images had to be performed—and
erroneous data set aside—before calculating reject-rate statistics.

Discussion
Problems were encountered with the integrity and the consistency of the data that was
collected from both sites. These problems resulted from a combination of factors, including
limitations in commercial CR capture software and hardware infrastructure, lack of standard
terminology and associated definitions for QA deficiencies, and inconsistent QA practices.

Extensive filtering of data records had to be performed to eliminate nonpatient images from
the analysis, e.g., phosphor plate erasures and test phantom exposures. Test phantom
exposures performed for QC procedures were generally labeled as body part “Pattern” and as
the reason for rejection “Test,” thus they were easily filtered in the reject analysis. However,
no specific protocol was established to label CR scans performed for purposes of plate
erasure, which flooded the reject database. There was a significant number of rejected images
assigned “Test” as the reason for rejection, but they were inappropriately labeled using the
default body part of chest AP. Plate erasure images were detected and set aside from further
analysis by ad hoc filtering and visually reviewing rejected images that had abnormally low
exposure index (EI) values, which is a vendor-specific parameter that is indicative of the
exposure to the CR plate.

Whereas the “spirit” of the QA deficiency terminology was similar at the two sites (Table 1),
the specific language used for labeling a rejected image was configured differently in the CR
system software at each site; and in a few instances, they were configured differently among
CR systems within the same site. There were also examples of redundant terminology. For
instance, CH had choices in the list of reasons for rejection that included “High Index” and
“High Exposure Index;” UH had choices in their list of reasons for rejection that included
“Low Exposure Index” and “Underexposure.” Moreover, examples were found through
independent visual review that indicated that the interpretation of the terminology was also
inconsistent among technologists. For example, there was ambiguity discovered in the use of
“Positioning Error” and “Anatomy Clipping.” Each of these terms can have a well-
articulated, unambiguous definition; however, visual review of the rejected images from each
site indicated that the terms were used, essentially, interchangeably. An interesting
observation was discovered when visually characterizing rejected and subsequently repeated
and accepted image pairs that were initially rejected because of patient motion. Ostensibly,
two very distinct interpretations of patient motion existed because a significant percentage of
each type of interpretation was identified. The first type of motion reject consisted of
examples where the patient moved during the actual exposure with the motion defect
manifesting itself in the image as blur. This was clearly evident when comparing the original
rejected image with the subsequently repeated and accepted image. Not surprisingly, most of
the images that fit this categorization were the typical long-exposure time exams such as the
lateral chest. A second, very different type of rejected image that was assigned to “Patient
Motion” as the reason for rejection, manifested itself in the image not as blur but, rather, as
an incorrect anatomical positioning. Again, by comparing the reject with the subsequently
repeated accepted image, it appeared that the patients had moved to a different, but
stationary, position from the time the technologist originally positioned them. The use of
motion as the reason for rejection is certainly legitimate in this situation; although this type of
rejected image might alternatively, and just as legitimately, be termed a “Positioning Error.”
Another interesting, highly confounding example of terminology ambiguity was observed in
images that were assigned “Underexposure” as the reason for rejection. EI frequency
distributions were generated for images rejected for “Underexposure.” Somewhat
surprisingly, it was found that approximately 30% of these instances had EI values that were
well within the range for a normal exposure. Upon visual inspection of these cases, it was
discovered that the images were rendered by the image-processing software to be too bright,
which is a classic characteristic of an underexposed image for a screen-film system. Further
characterization of these images, coupled with making brightness and contrast adjustments to
the image rendering, showed that virtually all chest x-ray exams that fit this category had
suboptimal positioning with too much of the abdomen included within the field of view. The
poor positioning caused the image-processing algorithms to render the images with lower
than desired average density, which, in turn, resulted in the technologist interpreting the
image as being underexposed. Another 20% of the images that were rejected because of
underexposure were found to have normal EI values; however, upon visual review, they were
found to have excessive noise appearance. Further characterization of the noise in these
images revealed that the noise appearance was the result of images that were captured using
CR plates that were not recently erased, which is noncompliant with the manufacturer’s
recommended quality control procedure for preventing stray radiation artifacts, a.k.a., “stale
plate noise.”

Whereas rejection because of overexposure occurred infrequently, these cases are cause for
concern because of considerations regarding patient dose. The authors reviewed all of the
rejected images that were assigned “Overexposure” or “High Exposure Index” as the reason
for rejection. In more than 90% of the cases, these images were rendered suboptimally as a
consequence of the impact on the code-value histogram caused by extremely high exposure.
Another way of saying this is that simple brightness and contrast adjustments could likely
have salvaged these images without needing to expose the patient to additional radiation—a
patient who already received a relatively higher-than-normal exposure. The use of
“Overexposure” as a reason for rejection with CR for cases where reprocessing is an option
suggests additional training is required.

A protocol issue existed with the use of “Other” as the reason for rejection. Considerable
numbers of rejected images were assigned the reason “Other.” A comment field was provided
in the reject-tracking software to accompany the use of “Other.” However, this was not a
software-required entry, and the comment field was most often left blank.

The order-of-magnitude difference in reject rates between in-department and portable chest
exams seemed surprising at first because the known difficulties of capturing diagnostic-
quality portable chest images would logically be expected to cause an increase in the number
of images that need to be repeated. Some of the problematic aspects of portable chest imaging
include infrequent use of antiscatter grids, inconsistent techniques, difficulty in positioning
patients, patients unable to maintain a breath hold, and less-capable x-ray generators. These
factors, taken together with the diagnostic tasks requiring visualization of low-contrast
features, such as tube and line tip placements and pneumothorax, should increase the
probability of limited-quality images. Close observation of technologist rounds at two
hospitals, however, revealed that the dramatic difference in reject rates between in-
department and portable chest x-ray exams was related to the inability of technologists to
view the images at the point of capture. CR systems are often centrally located; in some
cases, the CR units are located on different floors of the hospital than the intensive care unit.
Technologists may expose a CR cassette and not view an image until an hour or more after
capture, at which point the workflow impact of performing a repeat is prohibitive. The
unfortunate consequence of this scenario is that an increased percentage of suboptimal
portable chest images may be released to the PACS for interpretation.

Conclusions
Comprehensive and accurate digital radiography QA requires that a mechanism be put into
place to force technologists to enter reject data information into a database, e.g., the capture
device software should require that this data be entered for each rejected image before
another image can be scanned. The reject data must include the reason for rejection,
technologist ID, patient ID, and equipment- and exposure-related information. Moreover, the
software and hardware infrastructure must be in place so that all image records, including
both accepted and rejected records, are centrally accessible and appropriately organized.
Digital dashboards that centrally collect and compile image statistics are now available to
accomplish this function. However, mechanisms to enable a QA technologist or medical
physicist to visually inspect rejected images must also be provided.

Standardized terminology and definitions for QA deficiencies must be established, along with
the associated training, to eliminate the inconsistent and sometimes inappropriate labeling of
rejected images. Protocols must be established that require the comment fields to be complete
whenever there is a nonspecific reason for rejection. Unless the image is tagged as a reject,
systems generally do not provide a way to prevent a QC image from being delivered to the
PACS. Consequently, protocols must be implemented whereby images that are rejected
because of preventive maintenance or QC-related reasons are properly labeled so they are
easily distinguished from patient-related rejected images. One way to ensure that this occurs
is to require that for each rejected image, the technologist specify the exam type and reason
for rejection, i.e., eliminating the notion of a default exam type. This should reduce the
number of erased-plate images that are mislabeled. Adopting standardized terminology and
adhering to best-practice protocols will allow sites to more fully understand their QA
performance and drive them to more focused training programs.

Better QC methods may significantly benefit portable chest x-ray image quality, including
having the capability to display digital radiography images at the point of capture. Mobile CR
and DR systems now provide this capability.

To summarize, there is an opportunity to improve the completeness and accuracy of reject

analysis for digital radiography systems through the standardization of data entry protocols
and improved reporting and analysis methods. Accurate reject analysis provides the basis
from which to develop targeted training programs and helps to mitigate the largest source of
patient repeat exposures.

References
1. Honea R, Blado ME, Ma Y. Is reject analysis necessary after converting to computed
radiography. J Digit Imaging. 2002;15(1):41–52. doi: 10.1007/s10278-002-5028-7. [PubMed]
[CrossRef] [Google Scholar]

2. Nol J, Isouard G, Mirecki J. Digital repeat analysis; setup and operation. J Digit Imaging.
2006;19(2):159–156. doi: 10.1007/s10278-005-8733-1. [PMC free article] [PubMed]
[CrossRef] [Google Scholar]
Analisis Tolak Radiografi Digital:
Metodologi Pengumpulan Data, Hasil, dan
Rekomendasi dari Investigasi mendalam di
Dua Rumah Sakit
1
David H. Foos , W. James Sehnert , 1 Bruce Reiner , 2 Eliot L. Siegel , 2 Arthur Segal , 3 dan David L.
Waldman 4

Informasi penulis Catatan artikel Hak cipta dan Informasi lisensi Penafian

Artikel ini telah dikutip oleh artikel lain di PMC.

Go to:

Abstrak
Analisis penolakan dilakukan pada 288.000 catatan gambar radiografi terkomputasi (CR)
yang dikumpulkan dari rumah sakit universitas (UH) dan rumah sakit komunitas besar (CH).
Setiap catatan berisi informasi gambar, seperti bagian tubuh dan posisi tampilan, level
eksposur, pengidentifikasi teknologis, dan — jika gambar ditolak — alasan penolakan.
Penyaringan basis data yang luas diperlukan untuk memastikan integritas perhitungan tingkat
penolakan. Tingkat penolakan untuk CR di semua departemen dan di semua jenis ujian
adalah 4,4% di UH dan 4,9% di CH. Jenis-jenis ujian yang paling sering terjadi dengan
tingkat penolakan 8% atau lebih yang ditemukan adalah umum untuk kedua institusi
(tengkorak / tulang wajah, bahu, pinggul, duri, di-departemen dada, panggul). Kesalahan
penentuan posisi dan batas anatomi adalah alasan penolakan yang paling sering terjadi,
mencakup 45% penolakan di CH dan 56% di UH. Paparan yang tidak tepat adalah alasan
penolakan berikutnya yang paling sering terjadi (14% dari penolakan di CH dan 13% di UH),
diikuti oleh gerakan pasien (11% dari penolakan di CH dan 7% di UH). Ujian dada adalah
ujian yang paling sering dilakukan di kedua institusi (26% di UH dan 45% di CH) dengan
setengah ditangkap di departemen dan setengah ditangkap menggunakan peralatan sinar-x
portabel. Tingkat penolakan sembilan kali lipat lebih besar ditemukan untuk di-departemen
(9%) dibandingkan ujian dada portabel (1%). Masalah yang diidentifikasi dengan integritas
data yang digunakan untuk analisis penolakan dapat dimitigasi di masa mendatang dengan
objektifikasi prosedur penjaminan kualitas (QA) dan dengan menstandarisasi nomenklatur
dan definisi untuk kekurangan QA.

Kata kunci: Tolak analisis, penjaminan kualitas, radiografi digital

Go to:

pengantar
Sistem radiografi digital digunakan di seluruh komunitas pencitraan medis dan sekarang
mewakili standar perawatan di banyak rumah sakit dan pusat pencitraan. Sampai saat ini,
bagaimanapun, ada sedikit yang dilaporkan dalam literatur teknis tentang kinerja kualitas,
yang diukur dalam hal tingkat penolakan, terkait dengan penggunaan klinis sistem ini. Istilah
reject mengacu pada radiografi pasien yang dinilai oleh teknolog yang memperoleh gambar
secara klinis tidak dapat diterima dan perlu diulang. Pengambilan gambar non-pasien, seperti
gambar yang digunakan untuk tujuan quality control (QC), juga dikategorikan sebagai reject.

Data yang diperlukan untuk menghitung tingkat penolakan untuk sistem digital secara
historis sulit diperoleh. 1 Masalah ini semakin diperparah dengan kurangnya infrastruktur
perangkat lunak yang diperlukan untuk mengkompilasi data secara terpusat untuk departemen
radiologi yang memiliki beberapa perangkat penangkap digital. 2 alat penjaminan kualitas
(QA) seperti dasbor digital dan platform perangkat lunak pengelompokan perangkat kini
tersedia dari beberapa produsen (Carestream Health di http://www.carestreamhealth.com/ ).
Perangkat lunak ini memfasilitasi akses ke data objektif yang diperlukan untuk menganalisis
dan melaporkan statistik penolakan dan kinerja pemanfaatan peralatan radiografi digital di
seluruh lembaga.

Kami menggambarkan metodologi yang digunakan untuk menyusun database komprehensif

yang terdiri dari lebih dari 288.000 catatan citra pasien radiografi terkomputasi (CR) dari dua
rumah sakit yang memiliki departemen radiologi digital semua, dan kami melaporkan hasil
analisis penolakan yang dilakukan pada database tersebut.

Go to:

Material dan metode

Alat pelacak penolakan diaktifkan pada 16 Sistem Kod KR DirectView (Rochester, NY,
USA) di sebuah rumah sakit universitas (UH) dan pada 4 Sistem KR Kod DirectView di
rumah sakit komunitas besar (CH) (Carestream Health di http: // www.carestreamhealth.com/
). 20 perangkat ini mewakili semua sistem CR dalam 2 rumah sakit. Dengan perangkat lunak
pelacakan penolakan diaktifkan, teknologi diminta untuk memasukkan alasan penolakan
untuk setiap gambar yang ditolak sebelum sistem CR memungkinkan gambar lain dipindai.
Ini memastikan bahwa setiap gambar CR yang ditangkap, baik diterima atau ditolak, dicatat
dalam database dan dalam analisis penolakan berikutnya. Tabel 1 menunjukkan terminologi
penolakan-alasan yang digunakan dalam alat pelacak penolakan di setiap rumah sakit. Alasan
penolakan dapat dikonfigurasi dalam perangkat lunak pelacakan penolakan, dan sebelum
dimulainya penyelidikan ini, setiap situs telah membuat daftar alasan mereka sendiri.

Tabel 1

Alasan Penolakan untuk UH dan CH

CH UH

Anatomi terpotong Anatomi terpotong

Kesalahan posisi Kesalahan posisi

Gerakan pasien Gerakan pasien

 CH UH

Indeks rendah Kekurangan paparan

Uji Kaset kosong

Artefak Artefak

Alasan lain Alasan lain

Marker terpotong -

Indeks tinggi Eksposur berlebih

Penanda salah -

Indeks paparan rendah Indeks paparan rendah

Tak ada alasan Tak ada alasan

Indeks paparan tinggi -

- Kegagalan peralatan

Buka di jendela terpisah

Sebuah workstation penelitian diintegrasikan ke dalam jaringan pengarsipan gambar dan

sistem komunikasi (PACS) di setiap rumah sakit untuk tujuan menyediakan permintaan jarak
jauh terpusat dan mekanisme pengambilan untuk catatan gambar yang disimpan dalam sistem
CR. Setiap workstation terdiri dari komputer (Precision 370, DELL Computer, Round Rock,
TX, USA) yang dilengkapi dengan monitor LCD warna 19 inci (VA902b, ViewSonic,
Walnut, CA, USA), layar diagnostik resolusi tinggi 3 MP (AXIS III, Sistem Layar Nasional,
San Jose, CA, USA) dan hard drive portabel 250 MB (WD2500B011, Western Digital, Lake
Forest, CA, USA). Perangkat lunak khusus (tidak tersedia secara komersial) dimuat ke
workstation penelitian, yang memungkinkan rekaman gambar dari jarak jauh dan secara
otomatis diunduh dari masing-masing sistem CR. Rekaman gambar terdiri dari informasi
sentris-gambar termasuk pengidentifikasi perangkat CR (ID), bagian tubuh, posisi tampilan,
ID teknologis, informasi eksposur, dan — jika gambar ditolak — alasan penolakan. Rekaman
gambar juga berisi gambar yang tidak diproses untuk semua penolakan dan untuk banyak
ujian yang diterima. Jika rekaman gambar berisi gambar yang tidak diproses, status render
diagnostik juga ditangkap sehingga pemrosesan gambar dapat direproduksi sesuai dengan
preferensi rumah sakit. Informasi kesehatan yang dilindungi digosok dari setiap catatan
sehingga tidak dapat dilacak ke pasien.

Rekaman gambar dikumpulkan dari keempat sistem CR di CH untuk periode 435 hari
berturut-turut. Rekaman gambar dikumpulkan dari semua 16 sistem CR di UH selama 275
hari berturut-turut. Basis data diisi dengan catatan yang diterima dan ditolak. Untuk 6.000
catatan yang ditolak secara klinis, pasangan gambar dibuat yang terdiri dari gambar yang
ditolak secara klinis, yaitu, yang tidak sesuai untuk diagnosis, bersama dengan satu gambar
yang selanjutnya diulangi dari kualitas diagnostik yang dapat diterima. Data dari setiap
sistem CR kemudian dikompilasi ke dalam database umum yang berisi lebih dari 288.000
catatan gambar. Protokol pengumpulan data disetujui oleh dewan peninjau investigasi setiap
rumah sakit.

Bagian tolak dari database awalnya termasuk catatan untuk gambar klinis dan gambar non-
pasien. Rekaman yang sesuai dengan gambar non-pasien, seperti penghapusan plat fosfor dan
eksposur phantom uji, disaring dari database reject menggunakan kombinasi analisis gambar
berbasis komputer dan inspeksi visual. Proses penyaringan mengurangi ukuran awal bagian
CH dari database tolak sebesar 38% dan bagian UH dari database tolak sebesar 25%.
Database yang difilter kemudian dianalisis untuk menentukan distribusi frekuensi dari
gambar pasien yang diterima dan ditolak dan untuk menghitung tingkat penolakan di
berbagai jenis ujian. Tingkat penolakan dihitung dengan membagi jumlah gambar yang
ditolak dengan jumlah jumlah gambar yang ditolak dan diterima.

Go to:

Hasil
Ringkasan ringkasan untuk setiap rumah sakit dari distribusi tipe ujian dari gambar yang
diterima dan ditolak dan tingkat penolakan yang sesuai ditunjukkan pada Tabel 2 . Analisis
mengungkapkan tingkat penolakan untuk gambar pasien CR di semua departemen dan di
semua jenis ujian adalah 4,4% di UH dan 4,9% di CH. Jenis ujian yang paling sering terjadi,
memiliki tingkat penolakan 8% atau lebih, ditemukan umum untuk kedua institusi (tulang
tengkorak / wajah, bahu, pinggul, duri, dada, panggul). Tingkat penolakan untuk dada di-
departemen dibandingkan dengan ujian dada portabel ditemukan berbeda secara dramatis di
kedua situs dengan tingkat penolakan sembilan kali lipat lebih besar untuk dada di-
departemen (9%) dibandingkan dada portabel (1%).

Meja 2

Ringkasan Basis Data dari UH dan CH

Menerima Tolak Tolak Tingkat (%)

UH

Peti portabel 21.040 208 1.0

Dada 18.523 1834 9.0

Lutut 15.165 695 4.4

Kaki 10.371 142 1.4

Pergelangan kaki 9,699 188 1.9

Perut 8.515 355 4.0

 Menerima Tolak Tolak Tingkat (%)

Dada anak 7.114 84 1.2

Bahu 6,373 779 10.9

Pergelangan tangan 5.595 143 2.5

Tangan 4,933 56 1.1

Panggul 4.760 505 9.6

Tibia fibula 4,596 65 1.4

Lspine 4.480 392 8.0

CSpine 4.259 398 8.5

Perut pediatrik 4,252 51 1.2

Studi barium 4,178 106 2.5

Panggul 3,699 322 8.0

Siku 3.414 156 4.4

Tulang paha 2,652 101 3.7

Ekstremitas 2,022 24 1.2

Lengan bawah 1,936 55 2.8

TSpine 1,148 121 9.5

Humerus 1,038 41 3.8

Seri Trauma 541 23 4.1

FAS 533 22 4.0

Tulang belakang 532 49 8.4

Thorax 359 22 5.8

Tengkorak 308 19 5.8

Tulang wajah 124 32 20.5

 Menerima Tolak Tolak Tingkat (%)

Survei tulang 58 0 0,0

Bersama 29 4 12.1

Tengkorak 13 1 7.1

Tulang hidung 13 1 7.1

Perut umum 8 1 11.1

Lain 6 1 14.3

IVP 5 1 16.7

Tulang panjang 5 1 16.7

Kustom 1 1 0 0,0

Total 152.297 6,998 4.4

CH

Peti portabel 28.777 273 0,9

Dada 26.856 2.578 8.8

Perut 11,424 448 3.8

Lutut 7,826 353 4.3

Pergelangan kaki 5,736 89 1.5

Kaki 4.744 121 2.5

Pergelangan tangan 4.360 71 1.6

LSpine 4,248 404 8.7

Tangan 4.049 71 1.7

Bahu 3,453 352 9.3

CSpine 3,302 394 10.7

Panggul 2,799 297 9.6

 Menerima Tolak Tolak Tingkat (%)

Tibia fibula 2.548 27 1.0

Siku 2,357 50 2.1

Jari kaki 2.080 47 2.2

Lengan bawah 1,613 42 2.5

Tulang paha 1,195 79 6.2

TSpine 1,087 124 10.2

Tulang rusuk 952 107 10.1

Panggul 940 142 13.1

Humerus 701 40 5.4

Tulang wajah 471 64 12.0

Tengkorak 369 72 16.3

Dada anak 368 31 7.8

Perut pediatrik 73 1 1.4

Tulang hidung 64 8 11.1

Tulang belakang 54 4 6.9

Skoliosis 41 2 4.7

Tengkorak 25 2 7.4

LLI 22 5 18.5

Bersama 6 0 0,0

Perut umum 3 1 25.0

Pola 0 1 100.0

Total 122.543 6,300 4.9

Buka di jendela terpisah

Tabel 3 menunjukkan rincian frekuensi frekuensi ujian yang ditolak berdasarkan bagian
tubuh dan posisi tampilan untuk CH. Tabel 4 menunjukkan rincian yang setara untuk UH.
Untuk Tabel 3 dan and4, 4 , baris diurutkan dari atas ke bawah berdasarkan tipe bagian tubuh
yang paling sering terjadi untuk total gabungan ujian yang diterima dan ditolak. Demikian
pula, kolom diurutkan dari kiri ke kanan dengan posisi tampilan yang paling sering terjadi
hingga paling sering terjadi untuk total gabungan ujian yang diterima dan ditolak. Tabel 5
dan and6 6 diurutkan dengan cara yang sama seperti Tabel 3 dan dan 4 dan menunjukkan
distribusi tingkat penolakan untuk setiap bagian tubuh dan melihat posisi untuk CH (Tabel 5 )
dan UH (Tabel 6 ).

Tabel 3

Bagian Tubuh dan Lihat Posisi Distribusi Ujian Pasien yang Ditolak yang Dikumpulkan dari
Empat Sistem CR Selama 435 hari di CH Besar

CH AP Lateral PA Lain XTable LPO RPO LLDecub RAO LAO RLDecub LL RL Total

Peti portabel 269 2 1 1 273

Dada 1,216 764 572 3 1 11 1 10 2.578

Perut 298 21 10 4 5 16 4 74 6 1 9 448

Lutut 119 133 65 16 8 9 2 1 353

Pergelangan kaki 44 27 6 4 2 4 1 1 89

Kaki 45 42 3 19 1 5 3 2 1 121

Pergelangan
6 35 12 7 7 1 2 1 71
tangan

LSpine 84 226 3 18 23 24 23 1 2 404

Tangan 8 23 25 5 1 4 3 2 71

Bahu 123 183 2 33 3 2 6 352

Cspine 120 109 70 41 25 24 2 3 394

Panggul 145 85 1 65 1 297

Tibia fibula 8 13 2 3 1 27

Siku 19 20 8 2 1 50

Jari kaki 10 10 16 5 1 1 3 1 47
 CH AP Lateral PA Lain XTable LPO RPO LLDecub RAO LAO RLDecub LL RL Total

Lengan bawah 12 21 1 2 6 42

Tulang paha 38 35 6 79

TSpine 26 84 10 4 124

Tulang rusuk 44 15 1 5 22 18 2 107

Panggul 119 10 1 6 5 1 142

Humerus 19 18 3 40

Tulang wajah 36 5 6 12 1 4 64

Tengkorak 41 9 14 5 1 1 1 72

Dada anak 6 12 11 1 1 31

Perut pediatrik 1 1

Tulang hidung 1 4 1 2 8

Tulang belakang 2 2 4

Skoliosis 1 1 2

Tengkorak 2 2

LLI 4 1 5

Bersama

Perut umum 1 1

Pola 1 1

Total 2,867 1,909 679 290 192 116 104 86 23 11 19 3 1 6,300

Buka di jendela terpisah

Tabel 4

Bagian Tubuh dan Lihat Posisi Distribusi Ujian Pasien yang Ditolak Dikumpulkan dari 16
Sistem CR selama 275 hari di UH
 UH AP Lateral PA XTable Lain LPO RPO LLD RAO RL LAO RLD LL Total

Peti portabel 206 1 1 208

Dada 1,138 464 218 1 1 4 1 2 5 1,834

Lutut 160 113 55 254 113 695

Kaki 69 29 4 24 16 142

Pergelangan kaki 102 42 1 34 4 3 2 188

Perut 241 5 2 4 1 30 18 53 1 355

Dada anak 58 12 9 1 1 3 84

Bahu 152 117 22 350 128 7 3 779

Pergelangan tangan 7 75 18 34 8 1 143

Tangan 11 17 25 2 1 56

Panggul 92 46 366 1 505

Tibia fibula 24 13 28 65

LSpine 154 176 19 23 19 1 392

CSpine 220 95 27 13 23 20 398

Perut pediatrik 30 5 1 14 1 51

Studi barium 22 2 27 20 3 2 12 15 2 1 106

Panggul 277 7 13 1 12 12 322

Siku 55 65 6 25 5 156

Tulang paha 38 25 38 101

Ekstremitas 7 9 7 1 24

Lengan bawah 8 26 6 14 1 55

Tspine 44 53 19 5 121

Humerus 19 19 2 1 41
 UH AP Lateral PA XTable Lain LPO RPO LLD RAO RL LAO RLD LL Total

Seri Trauma 23 23

FAS 15 1 6 22

Tulang belakang 18 26 1 1 3 49

Thorax 4 4 1 1 2 1 7 2 22

Tengkorak 8 5 3 3 19

Tulang wajah 23 1 4 3 1 32

Survei tulang 0

Bersama 1 2 1 4

Tengkorak 1 1

Tulang hidung 1 1

Perut umum 1 1

Lain 1 1

IVP 1 1

Tulang panjang 1 1

Kustom 1

Total 3,229 1,447 416 1,258 305 121 84 80 23 16 8 10 1 6,998

Buka di jendela terpisah

Tabel 5

Bagian Tubuh dan Lihat Posisi Distribusi Tingkat Tolak untuk Gambar Pasien yang
Dikumpulkan dari Empat Sistem CR selama Periode 435 hari pada CH Besar

AP PA PU RP RA LA
Latera Lainny XTabl LLDecu RLDecu LL RL Gabunga
CH (% (% T O O O
l (%) a (%) e (%) b (%) b (%) (%) (%) n (%)
) ) (%) (%) (%) (%)

Peti
1 18 1 33 - 0 0 0 - - 0 - - 0,9
portabel
 AP PA PU RP RA LA
Latera Lainny XTabl LLDecu RLDecu LL RL Gabunga
CH (% (% T O O O
l (%) a (%) e (%) b (%) b (%) (%) (%) n (%)
) ) (%) (%) (%) (%)

Dada 11 8 7 25 17 0 0 7 0 20 17 0 - 8.8

Perut 3 6 2 8 36 8 4 6 3 6 6 0 0 3.8

Lutut 3 7 0 4 2 3 4 - 4 2 - - - 4.3

Pergelanga
2 1 0 1 3 1 2 - 2 3 - - - 1.5
n kaki

Kaki 2 3 1 4 2 3 2 - 6 3 - - - 2.5

Pergelanga
1 3 1 1 12 1 2 - 1 0 - - - 1.6
n tangan

LSpine 7 10 4 13 10 8 8 0 4 0 - 29 - 8.7

Tangan 2 2 2 1 0 1 4 - 3 4 - - - 1.7

Bahu 6 16 40 9 15 3 6 0 0 0 - - - 9.3

CSpine 9 11 0 18 12 8 8 - 33 23 - 0 - 10.7

Panggul 8 9 0 4 22 50 0 - - - - - - 9.6

Tibia fibula 1 1 - 1 2 2 0 - 0 0 - - - 1.0

Siku 2 3 0 3 11 0 2 - 0 0 - - - 2.1

Jari kaki 2 2 3 2 0 2 2 - 5 2 - - - 2.2

Lengan
2 3 1 2 11 0 0 - 0 0 - - - 2.5
bawah

Tulang
5 7 0 0 6 - - - - 0 - - - 6.2
paha

TSpine 7 11 - 31 19 - - - - - - 0 - 10.2

Tulang
6 36 6 22 0 16 14 - 18 0 - - - 10.1
rusuk

Panggul 13 10 11 27 - 29 8 0 - 0 - - - 13.1
 AP PA PU RP RA LA
Latera Lainny XTabl LLDecu RLDecu LL RL Gabunga
CH (% (% T O O O
l (%) a (%) e (%) b (%) b (%) (%) (%) n (%)
) ) (%) (%) (%) (%)

Humerus 5 6 0 0 75 0 0 - - - - - - 5.4

Tulang
14 7 5 30 0 13 31 - 0 0 - - 0 12.0
wajah

Tengkorak 18 8 20 28 25 50 0 - - - 0 0 33 16.3

Dada anak 3 10 13 33 - - - - - - 0 - - 7.8

Perut
2 0 0 - - - - 0 - 0 - - - 1.4
pediatrik

Tulang
14 11 5 50 0 - - - - - - 0 0 11.1
hidung

Tulang
11 9 0 - 0 0 0 - 0 0 - 0 - 6.9
belakang

Skoliosis 3 13 - - - - - - - - - - - 4.7

Tengkorak 12 0 0 0 0 - - - - 0 - - - 7.4

LLI 15 - - - - - - - - - - - - 18.5

Bersama 0 0 - - - - 0 - - - - - - 0,0

Perut
0 - - - - - - - - - - - - 25.0
umum

Pola - - - - - - - - - - - - - -

10. 12.
Gabungan 4.0 6.8 5.0 5.0 8.7 5.8 5.2 6.1 3.3 2.7 8.4 4.9
0 5

Buka di jendela terpisah

Tabel 6

Bagian Tubuh dan Lihat Posisi Distribusi Tingkat Tolak untuk Gambar Pasien yang
Dikumpulkan dari 16 Sistem CR selama periode 275 hari di UH

AP Lateral PA XTable Lainnya PUT RPO LLD RAO RL LAO RLD LL Gabungan
UH
(%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%)
 AP Lateral PA XTable Lainnya PUT RPO LLD RAO RL LAO RLD LL Gabungan
UH
(%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%)

Peti portabel 1 0 6 0 33 1.0

Dada 16 7 4 9 0 8 0 13 11 0 29 23 0 9.0

Lutut 3 6 5 6 3 0 0 0 4.4

Kaki 1 1 4 6 8 0 0 0 0 1.4

Pergelangan
2 1 17 4 3 0 8 40 0 1.9
kaki

Perut 3 9 6 7 50 5 4 10 0 33 0 0 0 4.0

Dada anak 1 5 3 2 1 0 7 1.2

Bahu 5 19 14 13 17 6 4 0 10.9

Pergelangan
2 3 1 12 6 0 0 0 33 0 2.5
tangan

Tangan 5 1 1 0 4 0 7 0 0 0 1.1

Panggul 7 10 0 11 11 0 0 9.6

Tibia fibula 1 1 0 3 0 0 1.4

LSpine 8 8 0 31 0 7 6 0 25 8.0

CSpine 11 6 4 19 9 8 0 0 0 8.5

Perut
1 0 4 2 0 0 4 0 0 50 0 1.2
pediatrik

Studi barium 2 2 3 5 2 4 2 4 3 2 0 2.5

Panggul 7 9 0 19 13 14 14 0 0 8.0

Siku 4 4 6 11 4 0 0 0 4.4

Tulang paha 3 5 0 4 0 3.7

Ekstremitas 3 1 1 0 3 0 1.2

Lengan 1 3 2 6 3 2.8
 AP Lateral PA XTable Lainnya PUT RPO LLD RAO RL LAO RLD LL Gabungan
UH
(%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%) (%)

bawah

TSpine 7 9 30 14 0 0 9.5

Humerus 3 5 0 15 0 25 0 3.8

Seri Trauma 4 0 4.1

FAS 3 0 2 0 9 0 4.0

Tulang
10 7 0 17 38 8.4
belakang

Thorax 5 24 2 25 7 0 6 2 5.8

Tengkorak 7 6 14 3 0 0 0 0 5.8

Tulang wajah 26 5 17 0 33 0 0 20.5

Survei tulang 0 0 0 0 0,0

Bersama 0 0 0 13 25 25 0 12.1

Tengkorak 0 9 0 7.1

Tulang
13 0 0 0 7.1
hidung

Perut umum 11 11.1

Lain 0 0 0 14.3

IVP 17 16.7

Tulang
17 16.7
panjang

Kustom 1 0 0,0

Gabungan 3.8 4.5 2.7 8.2 5.4 6.4 5.7 6.9 3.4 3.7 4.0 6.9 1.5 4.4

Buka di jendela terpisah

Kombinasi kesalahan penentuan posisi dan batas anatomi adalah alasan penolakan yang
paling sering terjadi, mencakup 45% dari semua penolakan di CH dan 56% di UH. Paparan
yang tidak benar (baik terlalu rendah atau terlalu tinggi) adalah alasan penolakan berikutnya
yang paling sering terjadi (14% dari penolakan pada CH dan 13% pada UH), diikuti oleh
gerakan pasien (11% pada CH dan 7% pada UH). Persentase penolakan yang lebih kecil
dikaitkan dengan artefak, penanda yang terpotong atau hilang, dan / atau alasan lainnya yang
tidak ditentukan.

Ujian dada (termasuk pemeriksaan dalam dan dada portabel) adalah prosedur CR tunggal
yang paling sering dilakukan di kedua lembaga (26% di UH dan 45% di CH). Sementara
kedua lembaga juga memiliki ruang radiografi digital (DR) khusus, jumlah ruang DR di UH
lebih besar, yang sebagian menjelaskan persentase keseluruhan yang relatif lebih rendah dari
ujian dada CR. Faktor yang mempengaruhi lebih lanjut dari perbedaan ini adalah
dimasukkannya lima sistem CR dari dalam klinik ortopedi di UH, sebuah fasilitas volume
tinggi yang terhitung sangat sedikit untuk ujian dada. Di kedua lembaga, sekitar setengah dari
semua ujian dada CR ditangkap di departemen dan setengah ditangkap menggunakan
peralatan sinar-x portabel. Perlu dicatat bahwa ketika bagian tubuh ditetapkan sebagai dada,
ditafsirkan bahwa gambar ditangkap dalam departemen radiologi dengan pasien dalam posisi
tegak. Kami memiliki tingkat kepercayaan yang tinggi bahwa interpretasi ini akurat untuk
semua gambar yang diberi label posisi posteroanterior (PA) atau lateral, tetapi menduga
bahwa interpretasi ini mungkin tidak akurat untuk beberapa gambar yang diberi label chest
anteroposterior (AP). Dengan alur kerja nominal, teknologinya menentukan bagian tubuh dan
melihat informasi posisi untuk setiap gambar sebelum dipindai. Hal ini dilakukan untuk
tujuan pengindeksan parameter algoritma pemrosesan-gambar yang sesuai dan untuk mengisi
header Digital Imaging Communications in Medicine ( http://medical.nema.org ). Semua
sistem CR dikonfigurasikan sehingga jika teknologis tidak menentukan bagian tubuh dan
melihat posisi, sistem akan default ke AP dada. Pemeriksaan visual dari sampel besar dari
gambar AP dada yang diterima mengungkapkan bahwa beberapa di antaranya tampaknya
memiliki karakteristik dada portabel dan, lebih tepat, harus ditugaskan dada portabel. Namun,
tidak ada cara praktis untuk secara retrospektif mengkonfirmasi jenis ujian. Persentase
gambar AP dada yang ditolak memiliki karakteristik pencitraan rontgen dada portabel cukup
besar, menunjukkan bahwa teknologi yang membeli mungkin tidak menimpa penunjukan
bagian tubuh standar sebelum menolak gambar. Selain itu, sebagian kecil gambar yang
ditolak berlabel AP dada secara visual diidentifikasi sebagai jenis ujian lainnya (nonchest).
Kami menduga bahwa ini mungkin terjadi untuk keperluan efisiensi alur kerja, berdasarkan
pada teknolog yang mengetahui secara apriori bahwa gambar akan ditolak berdasarkan pada
situasi akuisisi, misalnya, "teknolog mengamati bahwa pasien bergerak selama paparan."
Hasil dari ini situasi adalah bahwa inspeksi visual menyeluruh terhadap gambar yang ditolak
AP dada harus dilakukan — dan data yang salah sisihkan — sebelum menghitung statistik
tingkat penolakan.

Go to:

Diskusi
Masalah ditemui dengan integritas dan konsistensi data yang dikumpulkan dari kedua situs.
Masalah-masalah ini dihasilkan dari kombinasi faktor, termasuk keterbatasan dalam
perangkat lunak penangkapan CR komersial dan infrastruktur perangkat keras, kurangnya
terminologi standar dan definisi terkait untuk kekurangan QA, dan praktik QA yang tidak
konsisten.
Pemfilteran yang luas dari catatan data harus dilakukan untuk menghilangkan gambar non-
pasien dari analisis, misalnya, penghapusan plat fosfor dan paparan paparan phantom.
Eksposur phantom uji yang dilakukan untuk prosedur QC umumnya dilabeli sebagai bagian
tubuh "Pola" dan sebagai alasan penolakan "Uji," dengan demikian mereka mudah disaring
dalam analisis tolak. Namun, tidak ada protokol khusus yang dibuat untuk melabeli
pemindaian CR yang dilakukan untuk keperluan penghapusan plat, yang membanjiri database
tolak. Ada sejumlah besar gambar yang ditolak ditugaskan "Uji" sebagai alasan penolakan,
tetapi mereka diberi label yang tidak tepat menggunakan bagian tubuh standar AP dada.
Gambar penghapus pelat terdeteksi dan disisihkan dari analisis lebih lanjut dengan
pemfilteran ad hoc dan meninjau gambar yang ditolak secara visual yang memiliki nilai
indeks eksposur rendah (EI) yang abnormal, yang merupakan parameter khusus vendor yang
menunjukkan paparan terhadap pelat CR.

Sedangkan "semangat" dari terminologi kekurangan QA serupa di kedua situs (Tabel (

Tabel1), 1 ), bahasa spesifik yang digunakan untuk memberi label gambar yang ditolak
dikonfigurasi secara berbeda dalam perangkat lunak sistem CR di setiap situs; dan dalam
beberapa kasus, mereka dikonfigurasikan secara berbeda di antara sistem CR dalam situs
yang sama. Ada juga contoh terminologi yang berlebihan. Misalnya, CH memiliki pilihan
dalam daftar alasan penolakan yang mencakup "Indeks Tinggi" dan "Indeks Eksposur
Tinggi;" UH memiliki pilihan dalam daftar alasan penolakan yang mencakup "Indeks
Eksposur Rendah" dan "Eksposur Rendah". Selain itu, contoh ditemukan melalui tinjauan
visual independen yang menunjukkan bahwa interpretasi dari terminologi juga tidak
konsisten di antara para teknologi. Sebagai contoh, ada ambiguitas yang ditemukan dalam
penggunaan "Kesalahan Positioning" dan "Kliping Anatomi." Masing-masing istilah ini dapat
memiliki definisi yang diartikulasikan dengan baik, tidak ambigu; Namun, tinjauan visual
dari gambar yang ditolak dari setiap situs menunjukkan bahwa istilah tersebut digunakan,
pada dasarnya, secara bergantian. Pengamatan yang menarik ditemukan ketika karakterisasi
visual ditolak dan kemudian diulang dan diterima pasangan gambar yang awalnya ditolak
karena gerakan pasien. Seolah-olah, ada dua interpretasi yang sangat berbeda dari gerakan
pasien ada karena persentase yang signifikan dari masing-masing jenis interpretasi
diidentifikasi. Tipe pertama dari penolakan gerak terdiri dari contoh-contoh di mana pasien
bergerak selama paparan aktual dengan cacat gerak yang memanifestasikan dirinya dalam
gambar sebagai kabur. Ini jelas terlihat ketika membandingkan gambar asli yang ditolak
dengan gambar yang kemudian diulang dan diterima. Tidak mengherankan, sebagian besar
gambar yang sesuai dengan kategorisasi ini adalah ujian waktu paparan lama yang khas
seperti dada lateral. Tipe kedua, gambar yang sangat berbeda dari ditolak yang ditugaskan ke
"Gerakan Pasien" sebagai alasan penolakan, memanifestasikan dirinya dalam gambar bukan
sebagai blur tetapi, sebagai posisi anatomis yang salah. Sekali lagi, dengan membandingkan
penolakan dengan gambar yang diterima kemudian diulang, tampak bahwa pasien telah
pindah ke posisi yang berbeda, namun stasioner, dari waktu teknologi awalnya memposisikan
mereka. Penggunaan gerak sebagai alasan penolakan tentu sah dalam situasi ini; meskipun
jenis gambar yang ditolak ini mungkin alternatifnya, dan sama sahnya, disebut sebagai
"Kesalahan Penentuan Posisi." Contoh ambiguitas terminologi lain yang menarik dan sangat
membingungkan diamati dalam gambar yang ditugaskan "Underexposure" sebagai alasan
penolakan. Distribusi frekuensi EI dihasilkan untuk gambar yang ditolak karena
“Underexposure.” Agak mengherankan, ditemukan bahwa sekitar 30% dari contoh ini
memiliki nilai EI yang berada dalam kisaran untuk paparan normal. Setelah inspeksi visual
dari kasus-kasus ini, ditemukan bahwa gambar yang diberikan oleh perangkat lunak
pemrosesan gambar menjadi terlalu terang, yang merupakan karakteristik klasik dari gambar
yang kurang terang untuk sistem film layar. Karakterisasi lebih lanjut dari gambar-gambar
ini, ditambah dengan membuat penyesuaian kecerahan dan kontras untuk rendering gambar,
menunjukkan bahwa hampir semua ujian rontgen dada yang sesuai dengan kategori ini
memiliki posisi suboptimal dengan terlalu banyak perut yang termasuk dalam bidang
tampilan. Penempatan yang buruk menyebabkan algoritma pemrosesan gambar membuat
gambar dengan kerapatan rata-rata yang lebih rendah dari yang diinginkan, yang, pada
gilirannya, mengakibatkan ahli teknologi yang menafsirkan gambar sebagai kurang terang.
20% gambar lain yang ditolak karena kurang pencahayaan ditemukan memiliki nilai EI
normal; Namun, setelah tinjauan visual, mereka ditemukan memiliki penampilan noise yang
berlebihan. Karakterisasi lebih lanjut dari suara dalam gambar ini mengungkapkan bahwa
penampilan suara adalah hasil dari gambar yang ditangkap menggunakan pelat CR yang
baru-baru ini dihapus, yang tidak sesuai dengan prosedur kontrol kualitas yang
direkomendasikan pabrik untuk mencegah artefak radiasi liar, alias, “basi kebisingan piring. "

Sedangkan penolakan karena paparan berlebih jarang terjadi, kasus-kasus ini memprihatinkan
karena pertimbangan mengenai dosis pasien. Penulis meninjau semua gambar yang ditolak
yang diberi "Eksposur Tinggi" atau "Indeks Eksposur Tinggi" sebagai alasan penolakan.
Dalam lebih dari 90% kasus, gambar-gambar ini ditampilkan secara sub-optimal sebagai
akibat dari dampak pada histogram nilai kode yang disebabkan oleh paparan yang sangat
tinggi. Cara lain untuk mengatakan ini adalah penyesuaian kecerahan dan kontras yang
sederhana mungkin bisa menyelamatkan gambar-gambar ini tanpa perlu membuat pasien
terkena radiasi tambahan — pasien yang sudah menerima paparan yang relatif lebih tinggi
dari normal. Penggunaan "Overexposure" sebagai alasan penolakan dengan CR untuk kasus-
kasus di mana pemrosesan ulang merupakan opsi menunjukkan pelatihan tambahan
diperlukan.

Masalah protokol muncul dengan penggunaan "Lainnya" sebagai alasan penolakan. Sejumlah
besar gambar yang ditolak diberikan alasan "Lainnya." Kolom komentar disediakan dalam
perangkat lunak pelacak penolakan untuk mengiringi penggunaan "Lainnya." Namun, ini
bukan entri yang diwajibkan oleh perangkat lunak, dan bidang komentar adalah yang paling
penting. sering dibiarkan kosong.

Perbedaan urutan tingkat penolakan antara tes dalam-departemen dan portabel dada tampak
mengejutkan pada awalnya karena kesulitan yang diketahui dalam menangkap gambar dada
portabel berkualitas diagnostik secara logis diperkirakan akan menyebabkan peningkatan
jumlah gambar yang perlu diulangi. Beberapa aspek bermasalah dari pencitraan dada portabel
termasuk penggunaan grid antiscatter yang jarang, teknik yang tidak konsisten, kesulitan
dalam memposisikan pasien, pasien yang tidak dapat mempertahankan napas, dan generator
x-ray yang kurang mampu. Faktor-faktor ini, diambil bersamaan dengan tugas diagnostik
yang membutuhkan visualisasi fitur kontras rendah, seperti penempatan ujung pipa dan ujung
dan pneumotoraks, harus meningkatkan kemungkinan gambar berkualitas terbatas.
Pengamatan yang cermat terhadap putaran teknologis di dua rumah sakit, mengungkapkan
bahwa perbedaan dramatis dalam tingkat penolakan antara pemeriksaan rontgen dada in-
department dan portable berhubungan dengan ketidakmampuan teknologi untuk melihat
gambar pada titik pengambilan. Sistem CR sering terletak di pusat; dalam beberapa kasus,
unit CR terletak di lantai rumah sakit yang berbeda dari unit perawatan intensif. Teknolog
dapat memaparkan kaset CR dan tidak melihat gambar sampai satu jam atau lebih setelah
pengambilan, di mana dampak alur kerja dari melakukan pengulangan adalah hal yang
terlarang. Konsekuensi yang tidak menguntungkan dari skenario ini adalah bahwa persentase
peningkatan gambar dada portabel suboptimal dapat dirilis ke PACS untuk interpretasi.
Go to:

Kesimpulan
Radiografi digital QA yang komprehensif dan akurat mensyaratkan mekanisme untuk
memaksa para teknologi memasukkan informasi data yang ditolak ke dalam basis data,
misalnya, perangkat lunak alat tangkap harus meminta data ini dimasukkan untuk setiap
gambar yang ditolak sebelum gambar lain dapat dipindai. Data tolak harus menyertakan
alasan penolakan, ID teknologis, ID pasien, dan informasi terkait peralatan dan pemaparan.
Selain itu, infrastruktur perangkat lunak dan perangkat keras harus ada sehingga semua
catatan gambar, termasuk catatan yang diterima dan yang ditolak, dapat diakses dari pusat
dan diatur dengan tepat. Dasbor digital yang mengumpulkan dan menyusun statistik gambar
terpusat sekarang tersedia untuk mencapai fungsi ini. Namun, mekanisme untuk
memungkinkan teknolog QA atau fisikawan medis untuk secara visual memeriksa gambar
yang ditolak juga harus disediakan.

Terminologi dan definisi standar untuk kekurangan QA harus ditetapkan, bersama dengan
pelatihan terkait, untuk menghilangkan pelabelan gambar yang ditolak dan tidak konsisten.
Protokol harus dibuat yang mengharuskan bidang komentar harus lengkap setiap kali ada
alasan tidak spesifik untuk penolakan. Kecuali gambar ditandai sebagai tolak, sistem
umumnya tidak menyediakan cara untuk mencegah gambar QC dikirim ke PACS. Akibatnya,
protokol harus diimplementasikan di mana gambar yang ditolak karena pemeliharaan
preventif atau alasan terkait QC diberi label dengan benar sehingga mudah dibedakan dari
gambar yang ditolak terkait pasien. Salah satu cara untuk memastikan hal ini terjadi adalah
dengan mengharuskan untuk setiap gambar yang ditolak, teknologis menentukan jenis ujian
dan alasan penolakan, yaitu, menghilangkan gagasan tentang jenis ujian standar. Ini harus
mengurangi jumlah gambar yang terhapus yang diberi label salah. Mengadopsi terminologi
standar dan mematuhi protokol praktik terbaik akan memungkinkan situs untuk lebih
memahami kinerja QA mereka dan mendorong mereka ke program pelatihan yang lebih
fokus.

Metode QC yang lebih baik dapat secara signifikan menguntungkan kualitas gambar rontgen
dada portabel, termasuk memiliki kemampuan untuk menampilkan gambar radiografi digital
pada titik pengambilan. Sistem CR dan DR Seluler kini menyediakan kemampuan ini.

Untuk meringkas, ada peluang untuk meningkatkan kelengkapan dan keakuratan analisis
tolak untuk sistem radiografi digital melalui standarisasi protokol entri data dan peningkatan
metode pelaporan dan analisis. Analisis penolakan yang akurat memberikan dasar untuk
mengembangkan program pelatihan yang ditargetkan dan membantu mengurangi sumber
terbesar paparan berulang pasien.

Go to:

Referensi
1. Honea R, Blado ME, Ma Y. Apakah analisis menolak diperlukan setelah mengkonversi ke radiografi
terkomputasi. J Digit Imaging. 2002; 15 (1): 41–52. doi: 10.1007 / s10278-002-5028-7. [ PubMed ] [
CrossRef ] [ Google Cendekia ]
2. Nol J, Isouard G, analisis ulang Mirecki J. Digital; pengaturan dan operasi. J Digit Imaging. 2006; 19
(2): 159–156. doi: 10.1007 / s10278-005-8733-1. [ Artikel gratis PMC ] [ PubMed ] [ CrossRef ] [
Google Cendekia ]