Sonographic Visualization of the Posterior Cutaneous Nerve of the Forearm: Technique and Validation Using Perineural Injections in a Cadaveric Model
Notice bibliographique
Résumé
OBJECTIVES: To determine the ability to sonographically identify the posterior cutaneous nerve of the forearm (PCNF) and its distal epicondylar branches using sonographically guided perineural injections in an unembalmed cadaveric model. METHODS: A single experienced operator used a 12-3-MHz linear array transducer to identify the PCNF and its distal epicondylar region branches in 10 unembalmed cadaveric specimens (6 right and 4 left) obtained from 10 donors. Sonographically guided perineural PCNF injections were then completed with a 22-gauge, 38-mm stainless steel needle to deliver 0.25 mL of 50% diluted colored latex at 3 points along the PCNF. The latex location was then confirmed via dissection. RESULTS: ). The operator sonographically identified the PCNF and several distal branches traversing over or directly adjacent to the lateral epicondyle in all 10 specimens. Only 7 of 10 specimens showed a distinct PCNF bifurcation into anterior and posterior divisions, and all 7 were accurately identified and localized on sonography. There was no evidence of latex overflow to clinically relevant adjacent structures or injury to regional vessels or nerves. CONCLUSIONS: High-resolution sonography can identify the PCNF and its distal epicondylar branches. Sonographic evaluation of the PCNF should be included in the evaluation of patients presenting with refractory or atypical lateral elbow pain syndromes. Diagnostic and therapeutic sonographically guided procedures targeting the PCNF or its lateral epicondylar branches are feasible and warrant further investigation.
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 ».