Use of MR Imaging in Diagnosing Diabetes-related Pedal Osteomyelitis
Notice bibliographique
Résumé
The clinical diagnosis of diabetes-related osteomyelitis relies on the identification and characterization of an associated foot ulcer, a method that is often unreliable. Magnetic resonance (MR) imaging is the modality of choice for imaging evaluation of pedal osteomyelitis. Because MR imaging allows the extent of osseous and soft-tissue infection to be mapped preoperatively, its use may limit the extent of resection. At MR imaging, the simplest method to determine whether osteomyelitis is present is to follow the path of an ulcer or sinus tract to the bone and evaluate the signal intensity of the bone marrow. Combined findings of low signal intensity in marrow on T1-weighted images, high signal intensity in marrow on T2-weighted images, and marrow enhancement after the administration of contrast material are indicative of osteomyelitis. Secondary signs of osteomyelitis include periosteal reaction, a subtending skin ulcer, sinus tract, cellulitis, abscess, and a foreign body. The location of a marrow abnormality is a key distinguishing feature of osteomyelitis: Whereas neuroarthropathy most commonly affects the tarsometatarsal and metatarsophalangeal joints, osteomyelitis occurs distal to the tarsometatarsal joint, in the calcaneus and malleoli. In the midfoot, secondary signs of infection help differentiate between neuroarthropathy and a superimposed infection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».