Imaging of Traumatic Diaphragmatic Rupture: Evaluation of Diagnostic Accuracy at a Level 1 Trauma Centre
Notice bibliographique
Résumé
PURPOSE: Traumatic diaphragmatic rupture (TDR) is an uncommon injury that can be associated with significant morbidity if not detected and treated in a timely manner. The purpose of our study was to evaluate the diagnostic accuracy of 64-slice multidetector computed tomography (64-MDCT) for the detection of TDR in patients at our level 1 trauma centre. METHODS: We used our hospital's trauma registry to identify patients with a diagnosis of TDR from January 1, 2008, to December 31, 2012. Only patients with a 64-MDCT scan at presentation who subsequently underwent laparotomy/laparoscopy were included in the study cohort. Using surgical findings as the gold standard, the accuracy of the prospective radiology reports was analyzed. RESULTS: Of the 3225 trauma patients who presented to our institution, 38 (1.2%) had a TDR. Fourteen of the 38 were excluded as they did not have MDCT before surgery. The study cohort consisted of 20 males and 4 females with a median age of 34.5 years and a median Injury Severity Score (ISS90) of 26. Fifteen had blunt trauma while 9 had a penetrating injury. The overall sensitivity of the radiology reports was 66.7% (95% confidence interval [CI]: 46.7%-82.0%), specificity was 100% (95% CI: 94.1%-100%), positive predictive value was 100% (95% CI: 80.6%-100%), negative predictive value was 88.4% (95% CI: 78.8%-94.0%), and accuracy was 90.6% (95% CI: 82.5%-95.2%). However, only 3 of 9 patients with penetrating injury had a correct preoperative diagnosis. Two of the 6 missed penetrating trauma cases had only indirect signs of injury. CONCLUSIONS: The detection of TDR in trauma patients on 64-MDCT can be improved, especially in patients presenting with penetrating injury. A careful search for subtle diaphragmatic defects and indirect evidence of injury is important to avoid missing the diagnosis.
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 | 0,055 |
| 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 | 0,000 |
| 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 ».