How do you diagnose appendicitis? An international evaluation of methods
Notice bibliographique
Résumé
INTRODUCTION: Considerable variability exists in the diagnostic approach to acute appendicitis (in children), affecting both quality and costs of care. Interestingly, an international evaluation of what is commonly practiced today has not been performed. We aimed to document current practice patterns in the diagnosis of appendicitis in children and to determine whether a consensus exists in the workup of these patients among Canadian, Dutch, and Saudi Arabian pediatric surgeons. METHODS: We performed a cross-sectional survey using a pre-designed, self-administered, 14-item survey. We sent the survey to participants via electronic mail. RESULTS: In total, 83 responses were received and analyzed, yielding a response rate of 42%. The majority of respondents practiced at pediatric surgery centers with over 50 beds (58% of Canadian surgeons, 81% of Dutch surgeons, 93% of Saudi Arabian surgeons). The majority of Dutch surgeons had a preference for physical examination and radiological imaging as opposed to Canadian and Saudi Arabian surgeons who favored history and physical examination. Interestingly, only one of the surgeons surveyed used an appendicitis scoring system. Regarding history and physical examination, most respondents deemed migratory abdominal pain and localized RLQ tenderness to be most suggestive of appendicitis. Ultrasound was the most preferable imaging modality in acute appendicitis across all three countries. CONCLUSION: This study demonstrates that international pediatric surgeons vary substantially in the diagnostic workup of patients with appendicitis. Furthermore, there is a variability between common practice and the current evidence. We recommend that pediatric surgeons develop clinical practice guidelines that are based on consensus information (expert opinion) and the best available literature.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».