US Assessment of Sports-related Hip Injuries
Notice bibliographique
Résumé
Traumatic and overuse hip injuries occur frequently in amateur and professional athletes. After clinical assessment, imaging plays an important role in diagnosis and in defining care management of these injuries. Ultrasonography (US) is being increasingly used in assessment of hip injuries because of the wide availability of US machines, the lower cost, and the unique real-time imaging capability, which allows both static and dynamic evaluation as well as guidance of point-of-care interventions such as fluid aspiration and steroid injection. Accurate diagnosis of hip injuries is often challenging, given the complex soft-tissue anatomy of the hip and the wide spectrum of injuries that can occur. To conduct a skillful US evaluation of hip injuries, physicians must have pertinent knowledge of the normal anatomy and should make judicious use of surface anatomy landmarks while using a compartmentalized diagnostic approach. In this article, common sports-related injuries of the anterior, lateral, and posterior hip compartments are discussed. This review includes assessment of joint effusion, acetabular labral tear, acute and chronic tendon injuries including tendinopathy, partial and full-thickness tears, snapping hip syndromes, relevant US-guided procedures, and some other conditions such as Morel-Lavallée lesion and perineal nodular induration. Principles of care management and current knowledge on imaging findings that may affect return to activity are also presented. Using an oriented US examination technique and having knowledge of the normal hip anatomy will help physicians characterize US findings of common sports-related hip injuries and make accurate diagnoses. Online supplemental material is available for this article. ©RSNA, 2018
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 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 ».