Cranial Ultrasound as a First-Line Imaging Examination for Craniosynostosis
Notice bibliographique
Résumé
BACKGROUND: Radiography, typically the first-line imaging study for diagnosis of craniosynostosis, exposes infants to ionizing radiation. We aimed to compare the accuracy of cranial ultrasound (CUS) with radiography for the diagnosis or exclusion of craniosynostosis. METHODS: Children aged 0 to 12 months who were assessed for craniosynostosis during 2011-2013 by using 4-view skull radiography and CUS of the sagittal, coronal, lambdoid, and metopic sutures were included in this prospective study. Institutional review board approval and parental informed consent were obtained. CUS and radiography were interpreted independently and blindly by 2 pediatric radiologists; conflicts were resolved in consensus. Sutures were characterized as closed, normal, or indeterminate. Correlation between CUS and radiography and interreader agreement were examined for each suture. RESULTS: A total of 126 children (82 boys, 64.5%) ages 8 to 343 days were included. All sutures were normal on CUS and radiography in 115 patients (93.7%); craniosynostosis of 1 suture was detected in 8 (6.3%, 5 sagittal, 2 metopic, 1 coronal). In 3 cases the metopic suture was closed (n = 2) or indeterminate on CUS (n = 1) but normally closed on radiography. CUS sensitivity was 100%, specificity 98% (95% confidence interval 94%-100%). Reader agreement was 100% for sagittal, coronal, and lambdoid sutures (κ = 0.80); after consensus, disagreement remained on 3 metopic sutures. CONCLUSIONS: In this series, CUS could be safely used as a first-line imaging tool in the investigation of craniosynostosis, reducing the need for radiographs in young children. Additional assessment may be required for accurate assessment of the metopic suture.
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 | 0,000 | 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 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 ».