MétaCan
Menu
Retour à la cohorte
Enregistrement W1941277339

Effective detection and management of low-velocity Lisfranc injuries in the emergency setting: principles for a subtle and commonly missed entity.

2012· article· en· W1941277339 sur OpenAlexaff
D. Joshua Mayich, Michael Mayich, Timothy R. Daniels

Notice bibliographique

RevuePubMed · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueTraumatic Ocular and Foreign Body Injuries
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePrimary careMEDLINEPresentation (obstetrics)Medical diagnosisMedical emergencyIntensive care medicineMedical physicsRadiologyFamily medicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To improve the ability of primary care physicians to recognize the mechanisms and common presentations of low-velocity Lisfranc injuries (LFIs) and to impart an improved understanding of the role of imaging and principles of primary care in low-velocity LFIs. SOURCES OF INFORMATION: A MEDLINE literature review was performed and the results were summarized, reviewing anatomy and mechanisms, clinical and imaging-based diagnoses, and management principles in the primary care setting. MAIN MESSAGE: Low-velocity LFIs result from various mechanisms and can have very subtle findings on clinical examination and imaging. A high degree of suspicion and caution are warranted when managing this type of injury. CONCLUSION: Although potentially devastating if missed, if a few treatment principles for low-velocity LFIs are applied from the initial presentation onward, outcomes from this injury can be optimized.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,312
Score d'incertitude au seuil0,254

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,257
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetTraumatic Ocular and Foreign Body InjuriesTravaux en français237 207