The usefulness of MRI and arthroscopy in the diagnosis and treatment of soft-tissue injuries associated with split-depression fractures of the lateral tibial condyle
Notice bibliographique
Résumé
The role of arthroscopy in the treatment of soft-tissue injuries associated with proximal tibial fractures remains debatable. Our hypothesis was that MRI over-diagnoses clinically relevant associated soft-tissue injuries. This prospective study involved 50 consecutive patients who underwent surgical treatment for a split-depression fracture of the lateral tibial condyle (AO/OTA type B3.1). The mean age of patients was 50 years (23 to 86) and 27 (54%) were female. All patients had MRI and arthroscopy. Arthroscopy identified 12 tears of the lateral meniscus, including eight bucket-handle tears that were sutured and four that were resected, as well as six tears of the medial meniscus, of which five were resected. Lateral meniscal injuries were diagnosed on MRI in four of 12 patients, yielding an overall sensitivity of 33% (95% confidence interval (CI) 11 to 65). Specificity was 76% (95% CI 59 to 88), with nine tears diagnosed among 38 menisci that did not contain a tear. MRI identified medial meniscal injuries in four of six patients, yielding an overall sensitivity of 67% (95% CI 24 to 94). Specificity was 66% (95% CI 50 to 79), with 15 tears diagnosed in 44 menisci that did not contain tears. MRI appears to offer only a marginal benefit as the specificity and sensitivity for diagnosing meniscal injuries are poor in patients with a fracture. There were fewer arthroscopically-confirmed associated lesions than reported previously in MRI studies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».