<scp>Point‐of‐Care</scp>Ultrasound Evaluation of Ankle Injuries in Children
Notice bibliographique
Résumé
OBJECTIVES: To determine if point-of-care ultrasound (POCUS) of ankle injuries in children, in conjunction with validated ankle injury clinical prediction rules, can accurately diagnose ankle fracture in children. METHODS: A prospective observational study was conducted on patients (birth-21 years) presenting to a pediatric emergency department with an ankle injury requiring ankle radiograph. POCUS of the injured ankle was performed to evaluate for fracture. Clinical prediction rule scores (Ottawa Ankle and Low Risk Ankle) were recorded along with pre- and post-ultrasound clinical suspicion for fracture. Diagnosis of ankle fracture was confirmed via radiology radiograph report. Test characteristics of sensitivity, specificity, positive and negative predictive values were calculated. RESULTS: Forty-eight patients were enrolled, 58% were female, with a mean age of 12.2 years (SD 3.8). Twelve (25%) patients had ankle POCUS positive or indeterminate for fracture. Nine (19%) patients had fracture based on radiograph, and 6 of the 9 (67%) patients with fracture had open growth plates. Ankle POCUS was found to have a sensitivity of 56% (95% confidence interval [CI], 23-85%), specificity of 82% (95% CI, 66-92%), positive predictive value of 42% (95% CI, 17-71%), and negative predictive value of 89% (95% CI, 73-96%). CONCLUSIONS: Our findings suggest that ankle POCUS in children is a difficult application to perform and interpret compared with radiographic diagnosis of fracture. Open growth plates may complicate accurate identification of fracture using POCUS and at this time serves as a poor screening exam to assess for fracture or the need for radiographs.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».