The use of magnetic resonance imaging in acute knee injuries can be reduced by non-physician expert clinics
Notice bibliographique
Résumé
INTRODUCTION: The routine use of magnetic resonance imaging (MRI) for the assessment of acute knee injuries is controversial. The goal of this study is to present an audit of patients seen in a dedicated Acute Knee Injury Clinic (AKIC) to determine the frequency and appropriateness of MRI utilization. METHODS: A retrospective review identified all patients who had an MRI and a randomly selected control group without MRI. The MRI was classified based on whether it was ordered by the AKIC team or by an external clinician. The consensus-based 'Indications for Urgent MRI in Acute Soft Tissue Knee Problems' were applied to both groups. An MRI was considered appropriate if any of the indications were met. RESULTS: The overall MRI utilization rate was 23% (142/611). Of the MRIs performed, 32% (46/142) met the indications. About 94% (33/35) of the MRIs ordered by the AKIC experts met the indications, compared to only 12% (13/107) of those ordered externally. No patients in the control group met the indications. Diagnoses were similar between groups. DISCUSSION: These results suggest that application of guidelines by experts in knee evaluation can significantly reduce expensive MRI utilization in patients with acute knee injuries without negatively impacting the appropriate diagnosis and disposition.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».