The lateral edge and sourcil acetabular indices for surgical decision-making in developmental dysplasia of the hip
Notice bibliographique
Résumé
PURPOSE: The acetabular index (AI) is a radiographic measure that guides surgical decision-making in developmental dysplasia of the hip (DDH). Two AI measurement methods are described; to the lateral edge of the acetabulum (AI-L) and to the lateral edge of the sourcil (AI-S). The purpose of this study was to determine the level of agreement between AI-L and AI-S on the diagnosis and degree of acetabular dysplasia in DDH. METHODS: A total of 35 patients treated for DDH with Pavlik harness were identified. The AI-L and AI-S were measured on radiographs (70 hips) at two and five years of age. AI-L and AI-S were then transformed relative to published normative data (tAI-L and tAI-S). Bland-Altman plots, linear regression and heat mapping were used to evaluate the agreement between tAI-L and tAI-S. RESULTS: There was poor agreement between tAI-S and tAI-L on the Bland-Altman plots with wide limits of agreement and no proportional bias. The two AI measurements were in agreement as to the presence and severity of dysplasia in only 63% of hips at two years of age and 81% at five years of age, leaving the remaining hips classified as various combinations of normal, mildly and severely dysplastic. CONCLUSION: AI-L and AI-S have poor agreement on the presence or degree of acetabular dysplasia in DDH and cannot be used interchangeably. Clinicians are cautioned to prudently evaluate both measures of AI in surgical decision-making. LEVEL OF EVIDENCE: I.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».