MétaCan
Menu
Retour à la cohorte
Enregistrement W2105757734 · doi:10.2460/ajvr.2002.63.979

Reliability of goniometry in Labrador Retrievers

2002· article· en· W2105757734 sur OpenAlexaboutno aff
Gayle Jaegger, Denis J. Marcellin‐Little, David Levine

Notice bibliographique

RevueAmerican Journal of Veterinary Research · 2002
Typearticle
Langueen
DomaineVeterinary
ThématiqueVeterinary Orthopedics and Neurology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGoniometerSedationRadiographyRange of motionMedicineOrthodonticsReliability (semiconductor)Nuclear medicineElbowSurgeryMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To evaluate the reliability of goniometry by comparing goniometric measurements with radiographic measurements and evaluate the effects of sedation on range of joint motion. ANIMALS: 16 healthy adult Labrador Retrievers. PROCEDURE: 3 investigators blindly and independently measured range of motion of the carpus, elbow, shoulder, tarsus, stifle, and hip joints of 16 Labrador Retrievers in triplicate before and after dogs were sedated. Radiographs of all joints in maximal flexion and extension were made during under sedation. Goniometric measurements were compared with radiographic measurements. The influence of sedation and the intra- and intertester variability were evaluated; 95% confidence intervals for all ranges of motion were determined. RESULTS: Results of goniometric and radiographic measurements were not significantly different. Results of measurements made by the 3 investigators were not significantly different. Multiple measurements made by 1 investigator varied from 1 to 6 degrees (median, 3 degrees) depending on the joint. Sedation did not influence the range of motion of the evaluated joints. CONCLUSIONS AND CLINICAL RELEVANCE: Goniometry is a reliable and objective method for determining range of motion of joints in healthy Labrador Retrievers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,200
Tête enseignante GPT0,432
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations356
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Veterinary ResearchMême sujetVeterinary Orthopedics and NeurologyTravaux en français237 207