Clinical Predictors of EMG-confirmed Cervical and Lumbosacral Radiculopathy
Notice bibliographique
Résumé
BACKGROUND: Electromyography (EMG) for suspected cervical or lumbosacral root compression is often negative, producing expense and physical discomfort that could have been avoided. To improve patient selection for testing, we sought to identify clinical features that would accurately predict presence of radiculopathy on EMG. METHODS: Adult patients consecutively evaluated for suspected cervical or lumbosacral root compression at an academic clinical neurophysiology laboratory were prospectively enrolled. Presence of clinical features suggesting root disease (neck or back pain, dermatomal pain or numbness, myotomal weakness, segmental reflex loss, and straight leg-raising) was recorded prior to testing. EMG examination to confirm root compression was conducted per standard protocols. Analysis was based on computation of sensitivity, specificity, predictive values, and accuracy. RESULTS: A total of 200 patients (55% male; mean age 46.4 years; 38% suspected of cervical and 62% of lumbosacral disease) were included. EMG evidence of root disease was detected in 31% of cervical and 62% of lumbosacral referrals. Dermatomal pain was the most sensitive, and segmental reflex loss and myotomal weakness the most specific individual predictors of root disease. Combined presence of dermatomal pain or numbness with segmental reflex loss and myotomal weakness approached specificities of 78% (lumbosacral disease) and 99% (cervical disease). In all cases, myotomal weakness was the most accurate predictor of root disease. CONCLUSION: The diverse symptoms and signs of cervical and lumbosacral root compression predict a positive electrodiagnosis of radiculopathy with varying degrees of accuracy, and may be used to guide patient selection for EMG testing.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,011 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».