Improved precision of radiographic measurements for distal radius fractures after a technique-teaching tutorial
Notice bibliographique
Résumé
Background: 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 participants 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.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».