CLINICAL SIGNIFICANCE AND PROGNOSIS OF DEEP DIGITAL FLEXOR TENDINOPATHY ASSESSED OVER TIME USING <scp>MRI</scp>
Notice bibliographique
Résumé
Deep digital flexor (DDF) tendinopathy is one of the most frequent causes of foot lameness and the prognosis is guarded. The progress of lesion healing may be followed by magnetic resonance (MR) imaging to formulate a prognosis and to adapt the rehabilitation program. We assessed the correlation of outcome with total tendon damage and temporal resolution of MR abnormalities. Images from 34 horses with DDF tendinopathy that had undergone at least two low-field standing MR examinations of the foot (mean 2.5 ± 1.3 times) were reviewed. No horse having a T1-GRE hyperintense lesion over 30 mm in length or over 10% tendon cross-sectional area returned to its previous activity level. Horses with concomitant lesions had worse outcome than horses with DDF tendinopathy only (P = 0.005). In all horses including those with excellent outcome, the lesion persisted, even mildly, in T1-GRE and PD images. Horses with tendon lesion resolution on STIR-FSE and T2-FSE images on recheck examination had a better outcome (P = 0.0004 and P = 0.002, respectively), and all horses that returned to their previous level of performance had complete resolution of signal hyperintensity on the STIR-FSE sequence. Although rehabilitation remains multifactorial, characteristics of DDF tendinopathy and concomitant lesions on first and recheck MR examinations allow refining the prognosis.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».