Emphasizing the Diagnostic Value of Digital Tomosynthesis in Detecting Hip Fractures
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
Our institution recently implemented the use of digital tomosynthesis (DTS) to workup emergency room patients with suspected hip fractures after initial negative or indeterminate radiographs. Our purpose is to evaluate the diagnostic accuracy of DTS for hip fracture detection. We performed a retrospective review of all DTS studies over a 17-month period (July 2017 to November 2018). The results of the radiographs and DTS were recorded as either positive or negative for fracture based on the radiology report. Our reference standard for a fracture was either confirmation on subsequent CT or MRI from the same visit or documentation of clinical findings supportive of a fracture in the patient's electronic medical record. For patients with negative DTS who did not undergo subsequent cross-sectional imaging, a missed fracture was excluded if they did not return within 30 days with a confirmed fracture. Among 91 patients, there were 34 confirmed fractures-sites including, 7 femoral necks, 10 pubic rami, and 7 greater trochanters. DTS was positive for fracture in 29 patients; 28 of these fractures were true positives, 6 confirmed on cross-sectional imaging, and 22 confirmed clinically. One false positive was observed in a patient with no clinical evidence of a fracture. Six fractures were not detected by tomosynthesis but confirmed on CT/MRI. The sensitivity and specificity of DTS are 82% and 98%, respectively, compared to that of radiographs alone at 47% and 96%, respectively. DTS is a promising adjunct to radiographs for hip fracture detection in an emergency department.
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 | 0,000 | 0,001 |
| 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 découle