Scratch Collapse Test for Carpal Tunnel Syndrome: A Systematic Review and Meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Despite the fact that carpal tunnel syndrome (CTS) is the most common entrapment neuropathy, the diagnostic accuracy of clinical screening examinations for CTS is controversial. The scratch collapse test (SCT) is a novel test that may be of diagnostic advantage. The purpose of our study was to determine the diagnostic accuracy of the SCT for CTS. METHODS: A literature search was performed using PubMed (1966 to April 2018); Ovid MEDLINE (1966 to April 2018); EMBASE (1988 to April 2018); and Cochrane Central Register of Controlled Trials (The Cochrane Library, to April 2018). We examined the studies for the pooled sensitivity, specificity, and likelihood ratios of the SCT. This review has been registered with PROSPERO (CRD42018077115). RESULTS: The literature search generated 13 unique articles. Seven articles were included for full text screening and 3 articles met our inclusion criteria, all of which were level II evidence with low risk of bias (165 patients). Pooled sensitivities, specificities, positive likelihood ratio, and negative likelihood ratios were 0.32 [95% CI (0.24-0.41)], 0.62 [95% CI (0.45-0.78)], 0.75 [95% CI (0.33-1.67)], and 1.03 [95% CI (0.61-1.74)], respectively. The calculated area under the summary receiver operating characteristic (AUSROC) curve was 0.25, indicating a low diagnostic accuracy. CONCLUSION: The SCT has poor sensitivity; however, it is moderately specific. Based on the current literature and their variable quality of the evidence, we conclude that the SCT is not an adequate screening test for detecting CTS.
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.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,026 | 0,006 |
| Bibliométrie | 0,000 | 0,003 |
| 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 | 0,000 |
| 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 découle