Comparing accuracy of bedside ultrasound examination with physical examination for detection of pleural effusion
Notice bibliographique
Résumé
BACKGROUND: In detecting pleural effusion, bedside ultrasound (US) has been shown to be more accurate than auscultation. However, US has not been previously compared to the comprehensive physical examination. This study seeks to compare the accuracy of physical examination with bedside US in detecting pleural effusion. METHODS: This study included a convenience sample of 34 medical inpatients from Calgary, Canada and Spokane, USA, with chest imaging performed within 24 h of recruitment. Imaging results served as the reference standard for pleural effusion. All patients underwent a comprehensive lung physical examination and a bedside US examination by two researchers blinded to the imaging results. RESULTS: Physical examination was less accurate than US (sensitivity of 44.0% [95% confidence interval (CI) 30.0-58.8%], specificity 88.9% (95% CI 65.3-98.6%), positive likelihood (LR) 3.96 (95% CI 1.03-15.18), negative LR 0.63 (95% CI 0.47-0.85) for physical examination; sensitivity 98% (95% CI 89.4-100%), specificity 94.4% (95% CI 72.7-99.9%), positive LR 17.6 (95% CI 2.6-118.6), negative LR 0.02 (95% CI 0.00-0.15) for US). The percentage of examinations rated with a confidence level of 4 or higher (out of 5) was higher for US (85% of the seated US examination and 94% of the supine US examination, compared to 35% of the PE, P < 0.001), and took less time to perform (P < 0.0001). CONCLUSIONS: US examination for pleural effusion was more accurate than the physical examination, conferred higher confidence, and required less time to complete.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».