MétaCan
Menu
Retour à la cohorte
Enregistrement W2808232403 · doi:10.1371/journal.pone.0198797

Clinical diagnosis of partial or complete anterior cruciate ligament tears using patients' history elements and physical examination tests

2018· article· en· W2808232403 sur OpenAlexafffund
Simon Décary, Michel Fallaha, Sylvain Belzile, Johanne Martel‐Pelletier, Jean‐Pierre Pelletier, Debbie Feldman, Marie‐Pierre Sylvestre, Pascal‐André Vendittoli, François Desmeules

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensUniversité LavalUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésTearsAnterior cruciate ligamentPhysical examinationMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess the diagnostic validity of clusters combining history elements and physical examination tests to diagnose partial or complete anterior cruciate ligament (ACL) tears. DESIGN: Prospective diagnostic study. SETTINGS: Orthopaedic clinics (n = 2), family medicine clinics (n = 2) and community-dwelling. PARTICIPANTS: Consecutive patients with a knee complaint (n = 279) and consulting one of the participating orthopaedic surgeons (n = 3) or sport medicine physicians (n = 2). INTERVENTIONS: Not applicable. MAIN OUTCOME MEASURES: History elements and physical examination tests performed independently were compared to the reference standard: an expert physicians' composite diagnosis including history elements, physical tests and confirmatory magnetic resonance imaging. Penalized logistic regression (LASSO) was used to identify history elements and physical examination tests associated with the diagnosis of ACL tear and recursive partitioning was used to develop diagnostic clusters. Diagnostic accuracy measures including sensitivity (Se), specificity (Sp), predictive values and positive and negative likelihood ratios (LR+/-) with associated 95% confidence intervals (CI) were calculated. RESULTS: Forty-three individuals received a diagnosis of partial or complete ACL tear (15.4% of total cohort). The Lachman test alone was able to diagnose partial or complete ACL tears (LR+: 38.4; 95%CI: 16.0-92.5). Combining a history of trauma during a pivot with a "popping" sensation also reached a high diagnostic validity for partial or complete tears (LR+: 9.8; 95%CI: 5.6-17.3). Combining a history of trauma during a pivot, immediate effusion after trauma and a positive Lachman test was able to identify individuals with a complete ACL tear (LR+: 17.5; 95%CI: 9.8-31.5). Finally, combining a negative history of pivot or a negative popping sensation during trauma with a negative Lachman or pivot shift test was able to exclude both partial or complete ACL tears (LR-: 0.08; 95%CI: 0.03-0.24). CONCLUSION: Diagnostic clusters combining history elements and physical examination tests can support the differential diagnosis of ACL tears compared to various knee disorders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,287

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,340
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations49
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207