Application of decision rules on diagnosis and prognosis of renal colic: a systematic review and meta-analysis
Notice bibliographique
Résumé
Renal colic is a prevalent emergency department presentation resulting from urolithiasis. Clinical decision rules for the diagnosis of urolithiasis were developed to help clinicians with better judgment. In this systematic review, we assessed the performance of prediction rules on urolithiasis diagnosis and prognosis. MEDLINE, Embase, Web of Science, and Scopus were searched for studies on the performance of a clinical decision tool for diagnosis or prognosis of urolithiasis. Performance and accuracy of the rules were the key outcomes of interest. Databases were searched from inception to March 2019. Of the 4980 articles reviewed, 28 studies were included in the present analysis. Twenty-one studies were on urolithiasis diagnosis (including eight studies on STONE rule), and 10 studies reported urolithiasis outcomes. Studies were at low to moderate risk of bias. The pooling of data on STONE showed that the prevalence of urolithiasis in low, moderate, and high risk groups were: 12% (95% confidence interval 9%-15%), 53% (95% confidence interval 43%-62%), and 83% (95% confidence interval 75%-91%), respectively. In the high risk score group, prevalence of clinically important alternative diagnosis was 1% (95% confidence interval 0%-2%) and 11% (95% confidence interval 8%-13%) of patients needed intervention. STONE scoring system is useful in estimating the prevalence of urolithiasis but high heterogeneity among the studies makes it unsuitable for application. Other decision tools were poorly studied and cannot be recommended for clinical use.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 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 | 0,000 | 0,000 |
| 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 ».