MétaCan
Menu
Retour à la cohorte
Enregistrement W2890853791 · doi:10.1017/cjn.2018.269

Neuromuscular Ultrasound: A New Tool in Your Toolbox

2018· review· en· W2890853791 sur OpenAlexaffvenue
Nens van Alfen, Jean K. Mah

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2018
Typereview
Langueen
DomaineMedicine
ThématiquePeripheral Nerve Disorders
Établissements canadiensAlberta Children's HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésFasciculationUltrasoundMedicineElectromyographyToolboxDenervationUltrasound imagingMedical physicsRadiologyComputer scienceBiomedical engineeringPhysical medicine and rehabilitationAnatomy

Résumé

récupéré en direct d'OpenAlex

Neuromuscular ultrasound is a rapidly evolving technique for diagnosing, monitoring and facilitating treatment of patients with muscle and nerve disorders. It is a portable point-of-care technology that is non-invasive, painless and without ionizing radiation. Ultrasound can visualize muscle texture alterations indicating dystrophy or denervation, changes in size and anatomic continuity of nerve fascicles, and its dynamic imaging capabilities allow capturing of contractions and fasciculations. Ultrasound can also provide real-time guidance for needle placement, and can sometimes make a diagnosis when electromyography is not tolerated or not informative anymore. This review will focus on the technical and practical aspects of ultrasound as an imaging technique for muscles and nerves. It will discuss basic imaging principles, hardware and software setup, and provide examples of ultrasound use for visualizing muscle and nerve abnormalities with accuracy and confidence. The review is intended as a practical "how-to" guide to get started with neuromuscular ultrasound in daily practice.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,007
Science ouverte0,0010,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0160,009

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 Opus0,078
Tête enseignante GPT0,337
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations61
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences NeurologiquesMême sujetPeripheral Nerve DisordersTravaux en français237 207