Fast presurgical magnetic resonance imaging of meniscal tears and concurrent subchondral bone marrow lesions
Notice bibliographique
Résumé
Meniscal tears and subchondral bone marrow lesions have both been described in dogs with cranial cruciate ligament rupture, but their possible concurrence has not been evaluated. In a population of 14 dogs exhibiting signs of stifle pain with surgically confirmed cranial cruciate ligament rupture, a short presurgical 1.5T magnetic resonance (MR) imaging protocol including dorsal proton density, dorsal T1-weighted gradient recalled echo, and sagittal fat-saturated dual echo sequences was tested to further investigate these features and illustrate meniscal tears. Interobserver agreement for detection of medial meniscal tears (k=0.83) and bone marrow lesions (k=0.87) was excellent. Consensus MR reading allowed detection of nine out of 12 surgically confirmed medial meniscal tears and there was no false positive. All dogs had cruciate ligament enthesis-related bone marrow lesions in the tibia, femur or both bones. Additionally, among the 12 dogs with confirmed medial meniscal tears, subchondral bone marrow lesions were present in the caudomedial (9 dogs) and caudoaxial (11 dogs) regions of the tibial plateau, resulting in odds ratios (13.6, p=0.12, and 38.3, p=0.04, respectively) that had large confidence intervals due to the small group size of this study. The other two dogs had neither tibial bone marrow lesions in these locations nor medial meniscal tears. These encouraging preliminary results warrant further investigation using this clinically realistic preoperative MR protocol. As direct diagnosis of meniscal tears remained challenging in dogs even with high-field MR, identification of associated signs such as subchondral bone marrow lesions might indirectly allow suspicion of an otherwise unrecognized meniscal tear.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».