Dating of Bruises in Children: An Assessment of Physician Accuracy
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
OBJECTIVE: To determine whether physicians can estimate accurately the age of an accidental bruise on direct physical examination. METHODS: Children who presented to the emergency department of a children's hospital with accidental bruises of known age and origin had demographic data and information about their injury recorded. History-blinded emergency pediatricians, other physicians, and trainees (fellows, residents, and medical students) independently examined the bruised area and recorded injury characteristics and age estimation and ranked characteristics that influenced their estimation. RESULTS: Fifty children with accidental bruises were enrolled. Emergency pediatricians' accuracy of age estimation within 24 hours of actual age was 47.6%. Individual emergency pediatrician's accuracy ranged from 0% to 100%, and the interobserver reliability was poor (kappa = -0.03). Accuracy within 24 hours of actual age was 29.4% for other physicians and 36.8% for trainees, which was similar to the emergency pediatricians. Observers reported using color primarily to estimate age, followed by tenderness and then swelling; however, none of these factors was significantly correlated with accuracy. CONCLUSIONS: Physician estimates of bruise age are highly inaccurate within 24 hours of the actual age of the injury. Large individual variability and poor interrater reliability also suggest that caution must be used when interpreting these estimates. This study supports earlier studies, urging extreme caution in estimating bruise age, even when such estimates are based on direct examination of the injured area.
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 | 0,000 | 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 | 0,000 |
| 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 découle