Accuracy of Medical Students in Detecting Pleural Effusion Using Lung Ultrasound as an Adjunct to the Physical Examination
Notice bibliographique
Résumé
OBJECTIVES: This study compared the accuracy of medical students in identifying pleural effusion in hospitalized patients using the physical examination versus lung ultrasound (US). METHODS: Fourth-year medical students (n = 14) received 20 hours of general practical US training (including 2 hours of specialized lung US training) plus theoretical and video documentation. The students used the physical examination alone versus the physical examination plus lung US to document the presence or absence of pleural effusion in the right and left hemithoraces of hospitalized patients (n = 11 patients; 22 hemithoraces examined 544 times in total). The reference standard for identification of pleural effusion was a lung US examination by 2 expert point-of-care sonographers. RESULTS: The odds of correctly identifying the presence versus absence of pleural effusion was 5 times greater with lung US as an adjunct to the physical examination compared to the physical examination alone (odds ratio [OR], 5.1 from multivariate logistic regression; 95% confidence interval, 3.3-8.0). The addition of lung US to the physical examination resulted in an increase in sensitivity from 48% to 90%, in specificity from 73% to 86%, and in accuracy from 60% to 88%. The benefits of using US were greater when pleural effusion was present versus absent (OR, 10.8 versus 2.4) and when examining older versus younger patients (OR, 10.2 versus 2.8). CONCLUSIONS: These results demonstrate that medical students' ability to detect the presence or absence of pleural effusion is superior when using lung US as an adjunct to the physical examination than when using the physical examination alone.
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 | 0,008 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».