How Useful Is the Flexion–Adduction–Internal Rotation Test for Diagnosing Femoroacetabular Impingement: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: Clinicians use the flexion, adduction, and internal rotation (FADIR) test in the diagnosis of femoroacetabular impingement (FAI). However, the diagnostic utility of this test remains unclear. The purpose of this review was to determine the utility of the FADIR test in diagnosing FAI. DATA SOURCES: MEDLINE, EMBASE, and PubMed were searched using relevant key terms and study screening was performed in duplicate. Patient demographics, diagnostic imaging, and summary measures (eg sensitivity, specificity, etc.) of the FADIR test in patients with FAI were recorded. MAIN RESULTS: Eight studies of levels III (87.5%) and IV (12.5%) evidence were included. Four hundred fifty-two patients (622 hips) with a mean age of 27.0 ± 9.0 were examined. Alpha (75.1%) and/or center-edge (26.8%) angles were used to diagnose hips with FAI. X-ray (78.9%), magnetic resonance imaging (MRI) (16.2%), and computed tomography (CT) (4.8%) were used to confirm the diagnosis of FAI. The sensitivity when confirmed by x-ray, MRI, or CT was 0.08 to 1, 0.33 to 1 and 0.90, respectively. The specificity when confirmed by x-ray and MRI was 0.11 and 1, respectively. CONCLUSIONS: Although the overall utility of the FADIR test in diagnosing FAI remains unclear given its moderate sensitivity and specificity, it may be a useful screening tool for FAI because of its low risk. Clinicians should consider the variability in sensitivity and specificity values reported and the low quality of literature available. Future studies should use large sample sizes and consistent radiographic measurements to better understand the usefulness of this physical examination maneuver in diagnosing FAI. LEVEL OF EVIDENCE: Level IV, Systematic Review of Level III and IV studies.
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 | 0,005 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| 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 | 0,001 |
| 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 ».