Not so Shocking: Electromyography in Pediatrics Remains Feasible and Diagnostically Useful
Notice bibliographique
Résumé
BACKGROUND: Electrodiagnostic testing, including nerve conduction studies (NCS) and electromyography (EMG), assists with localizing lesions within the peripheral nervous system. NCS/EMG in children can be technically challenging and its relevance has been questioned in the era of affordable genetic testing. NCS/EMG provides information that may not be available in the examination of a young or developmentally delayed child. Our goal was to review the volume and referral sources of NCS/EMG studies and evaluate its feasibility and diagnostic yield at a pediatric tertiary care hospital. METHODS: Retrospective chart review of NCS/EMG studies done in pediatric patients at one center from 2014 to 2019. RESULTS: A total of 725 studies were performed, with a median age of 13.2 years (range 0-18 years). The annual number of studies remained constant throughout the study period. Neurologists and surgeons were the most common referral sources, but an increased number of referrals from geneticists was observed. Most (94.5%) NCS/EMG were done on awake patients, with only 5.5% of studies being terminated early due to tolerability of the patient. Of all studies, 326/725 (44%) demonstrated a neuromuscular abnormality, of which 63.5% (207/326) were acquired conditions. Mononeuropathies and polyneuropathies were the most common electrophysiologic diagnoses. DISCUSSION: Our study indicates that NCS/EMG remains a useful diagnostic tool, both for the diagnosis of acquired neuromuscular conditions but also as an adjunct for interpreting genetic results, as indicated by the recent increase in referrals from geneticists. Overall NCS/EMG is well tolerated and able to be performed without sedation in children of all ages.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».