MétaCan
Menu
Retour à la cohorte
Enregistrement W3026560979 · doi:10.1503/cjs.001419

Improved precision of radiographic measurements for distal radius fractures after a technique-teaching tutorial

2020· article· en· W3026560979 sur OpenAlexaffvenue
Shandy Fox, Geoffrey Johnston, Samuel A. Stewart

Notice bibliographique

RevueCanadian Journal of Surgery · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopedic Surgery and Rehabilitation
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineRadiographyRADIUSMedical physicsOrthodonticsNuclear medicineRadiology

Résumé

récupéré en direct d'OpenAlex

Improved precision of radiographic measurements for distal radius fractures after a techniqueteaching tutorialBackground: For the management of distal radius fractures, surgical decision-making depends on radiographic measurements of indicators including radial inclination (RI), ulnar variance (UV) and radial tilt (RT).Evaluation of the inter-and intrarater reliability of surgeons' measurements of these criteria has been limited.Methods: Twelve physicians were invited to participate in this study.Anonymously, they measured RI, UV and RT on 30 digitally stored radiographs of distal radius fractures on 3 occasions, each at least 1 week apart, using online measuring tools.After taking the third set of measurements, the participants were given a tutorial by the senior author (G.J.) on a single technique to measure all 3 indicators.The partici pants then took 3 more sets of measurements using only the technique they had been taught.Intraclass correlation coefficients (ICCs) were used to evaluate interrater reliability each week.Multiple logistic regression was used to calculate the effect of the tutorial, controlling for week of study along with reader (participant) and patient variance.Results: The ICCs indicated that the participants' measurement precision improved promptly after the tutorial, and this improvement was sustained through subsequent readings.The odds of an "accurate" measurement (within 2° of the senior author's measurements for RI, 1 mm for UV and 4° for RT) was 1.7 times higher for RI, 2.7 times higher for UV and 2.3 times higher for RT after the tutorial; all of these results were statistically significant.Conclusion: Surgeons ought to be familiar with a method to reproducibly measure the indicators used in the published guidelines for surgical intervention.The tutorial on a single standardized technique for online measurement of RI, UV and RT in distal radius fractures improved measurement precision.Contexte : Pour la prise en charge des fractures du radius distal, la prise de décisions chirurgicales dépend de la mesure de plusieurs indicateurs sur les images radiographiques : l'inclinaison radiale (IR), la variance ulnaire (VU) et l'inclinaison sagittale du radius (ISR).La fiabilité interévaluateurs et intra-évaluateur des mesures de ces critères par les chirurgiens a été peu étudiée.Méthodes : Nous avons invité 12 médecins à participer à l'étude.En tout anonymat, ils ont déterminé l'IR, la VU et l'ISR au moyen d'outils de mesure en ligne sur 30 radiographies numérisées de fractures du radius distal.Ils ont répété l'exercice à 3 reprises, à au moins 1 semaine d'intervalle.Après la troisième série, les participants ont suivi un tutoriel de l'auteur principal (G.J.) sur une technique qui peut à elle seule mesurer les 3 indicateurs.Les participants ont ensuite fait 3 autres séries de mesures en utilisant seulement cette technique.Nous avons évalué la fiabilité interévaluateurs pour chaque semaine à partir des coefficients de corrélation intraclasse (CCI).De plus, nous avons calculé l'effet du tutoriel par régression logistique multiple, en tenant compte de la semaine de l'étude et de la variation selon les lecteurs (participants) et les patients.Résultats : Les CCI indiquent que la précision des mesures s'est améliorée rapidement après le tutoriel; cette amélioration a d'ailleurs persisté tout au long des séries subséquentes.La probabilité d'une mesure « exacte » (dont l'écart par rapport aux mesures de l'auteur principal est inférieur à 2° pour l'IR, à 1 mm pour la VU et à 4° pour l'ISR) était 1,7 fois plus grande pour l'IR, 2,7 fois plus grande pour la VU et 2,3 fois plus grande pour l'ISR après le tutoriel.Tous ces résultats sont statistiquement significatifs.

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)0,015
score de la tête « metaresearch » (Gemma)0,083
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,083
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,038
Tête enseignante GPT0,276
Écart entre enseignants0,238 · 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'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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of SurgeryMême sujetOrthopedic Surgery and RehabilitationTravaux en français237 207