Reliability of 2 Ultrasonic Imaging Analysis Methods in Quantifying Lumbar Multifidus Thickness
Notice bibliographique
Résumé
STUDY DESIGN: Reliability study. OBJECTIVES: To compare the within- and between-day intrarater reliability of rehabilitative ultrasound imaging (RUSI) using static images (static RUSI) and video clips (video RUSI) to quantify multifidus muscle thickness at rest and while contracted. Secondary objectives were to compare the measurement precision of averaging multiple measures and to estimate reliability in individuals with and without low back pain (LBP). BACKGROUND: Although intrarater reliability of static RUSI in measuring multifidus thickness has been established, using video RUSI may improve reliability estimates, as it allows examiners to select the optimal image from a video clip. Further, multiple measurements and LBP status may affect RUSI reliability estimates. METHODS: Static RUSI and video RUSI were used to quantify multifidus muscle thickness at rest and during contraction and percent thickness change in 27 volunteers (13 without LBP and 14 with LBP). Three static RUSI images and 3 video RUSI video clips were collected in each of 2 sessions 1 to 4 days apart. Reliability and precision were assessed using intraclass correlation coefficients, standard error of measurement, minimal detectable change, bias, and 95% limits of agreement. RESULTS: Using an average of 2 measures yielded optimal measurement precision for static RUSI and video RUSI. Based on the average of 2 measures obtained under the same circumstance, there was no significant difference in the reliability estimates between static RUSI and video RUSI across all testing conditions. Reliability point estimates (intraclass correlation coefficient model 3,2) of multifidus thickness were 0.99 for within-day comparisons and ranged from 0.93 to 0.98 for between-day comparisons. The within- and between-day intraclass correlation coefficients (model 3,2) of percent thickness change ranged from 0.97 to 0.99 and from 0.80 to 0.90, respectively. The exploratory analysis showed no significant difference in the reliability estimates between asymptomatic and LBP participants across most testing conditions. CONCLUSION: Both RUSI methods yielded high reliability estimates for multifidus muscle measurements. Using an average of 2 measures obtained optimal measurement precision. Overall, video RUSI is a reliable surrogate for static RUSI for multifidus muscle measurements and has the additional advantage of requiring shorter data collection time.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».