Validation of the Ottawa knee rule in adults: A single centre study
Notice bibliographique
Résumé
INTRODUCTION: This clinical audit aimed to evaluate performance of the Ottawa Knee Rule (OKR) and degree of compliance by emergency referrers for acute knee injuries in adults. METHODS: Knee radiography requests were analysed retrospectively for eligibility. Data were extracted from eligible requests under headings describing the OKR criteria, patient history, diagnosis and referrer profession. Sensitivity, specificity, negative likelihood ratio and positive likelihood ratio were calculated with 95% CI for the entire sample and each profession (consultant doctors, resident medical officers [RMO], physiotherapists and triage nurses) individually. The frequency of each OKR criterion and correlation with fracture, referrer compliance to the rule and the relative reduction in radiography were also calculated. RESULTS: Of 713 patients identified, 149 were enrolled by the eligibility criteria. The overall sensitivity, specificity, negative likelihood ratio and positive likelihood ratio of the OKR for knee fracture were 71% (95%CI, 49-87%), 46% (95%CI, 37-55%), 0.64 (95%CI, 0.33-1.22) and 1.3 (95%CI, 0.96-1.76), respectively. Physiotherapists and triage nurses demonstrated better rule performance than consultant doctors and RMOs, with a sensitivity of 100% and negative likelihood ratio of 0.0. Physiotherapists were most compliant at 73% (19/26). Only 85 requests were OKR positive and, when abiding by the rule, this would have reduced radiography by 43% (64/149). CONCLUSIONS: In this first Australian study, moderate OKR performance and variable compliance by emergency referrers were observed. This led to unnecessary irradiation of patients without a fracture. The findings suggest emergency referrers could benefit from education on applying and documenting the OKR on radiography requests.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».