Detection of soft tissue foreign bodies by nurse practitioner-performed ultrasound
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: This study aimed to evaluate the accuracy of emergency nurse practitioner (NP)-performed point-of-care ultrasound (POCUS) for the detection of soft tissue foreign bodies (FBs). METHODS: Following a 2-h training session, ten NPs were assessed on their ability to detect various FBs in an experimental model. FBs (wood, metal and plastic) were inserted randomly into eight experimental models (uncooked chicken thighs) by an independent observer. Control experimental models had no FB inserted, but all had a 1-cm incision made on their surface. NPs, blinded to the type of model, were then assessed on their ability to detect the FBs by ultrasound examination using high-frequency linear transducers (Toshiba Nemio). Models were also scanned by two experienced emergency physicians (EPs) as a further control. RESULTS: Overall, NP-performed POCUS detected 47 of the 60 foreign bodies with a sensitivity, specificity, positive predictive value and negative predictive value of 78.3%, 50%, 82% and 43%, respectively, compared with 83.3%, 75%, 90.9% and 60% for EPs. Sensitivity for detecting specific types of FB was 95%, 85% and 50% for wood, metal and plastic, respectively, for NP-performed POCUS, compared with 100%, 100% and 50% in the EP group. CONCLUSIONS: NPs with no previous ultrasound experience can detect soft tissue FBs with accuracy comparable to that of EPs in an experimental model. Test sensitivity was high for wood and metal foreign bodies. Specificity was generally low.
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.
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 | 0,001 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle