MétaCan
Menu
Retour à la cohorte
Enregistrement W3200693010 · doi:10.1016/j.jseint.2021.07.009

Ultrasound assessment of the posterolateral elbow ulnohumeral gap in normal subjects with and without posterolateral drawer testing

2021· article· en· W3200693010 sur OpenAlexaff
Anesh Chavda, Nicola J. Robertson, Charis McNabney, Dyan V. Flores, Kevin P. Murphy, Yaron Berkowitz, David A. Roberts, Kenneth R. Holmes, Mark Cresswell, Thomas J. Goetz, Mathilde Hupin-Debeurme, Stephanie Sellers, Darra Murphy

Notice bibliographique

RevueJSES International · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueElbow and Forearm Trauma Treatment
Établissements canadiensSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIntraclass correlationMedicineElbowUltrasoundRest (music)Pearson product-moment correlation coefficientOrthodonticsNuclear medicineSurgeryInternal medicineMathematicsRadiologyStatistics

Résumé

récupéré en direct d'OpenAlex

Background: Posterolateral rotator instability (PLRI) is the most common pattern of recurrent elbow instability, and current imaging to aid PLRI diagnosis is limited. Thus, we sought to define use of ultrasound (US) to determine normal lateral ulnohumeral joint measurements, with and without posterolateral drawer testing to provide an insight into how US may aid diagnosis. Methods: Sixty elbows were evaluated in thirty healthy volunteers. The lateral ulnohumeral gap (LUHG) was measured with US in the resting position while the posterolateral drawer stress test maneuver was applied. Joint laxity was calculated as the difference between maximum stress and average rest measurements. Two independent readers assessed each elbow with comparison performed between stress and rest positions. Results: = .0002). At rest, median LUHG values were 2.31 mm and 2.05 mm for readers 1 and 2 respectively, while at stress 2.88 mm and 2.9 mm for readers 1 and 2. Median joint laxity was 0.8 mm for reader 1 and 1.1 mm for reader 2. Pearson correlation was r = 0.457 (absolute intraclass correlation coefficient [ICC] = 0.608) while under stress and r = 0.308 (absolute intraclass correlation coefficient [ICC] = 0.417) at rest. Median joint laxity demonstrated a Pearson correlation of r = 0.161 and absolute intraclass correlation coefficient [ICC] = 0.252. Conclusions: This study demonstrates a dynamic US assessment for PLRI, which aimed to assess the usefulness and feasibility of a laxity measurement after the application of a posterolateral drawer stress maneuver in a healthy population. Although establishing concordance between readers in measuring an LUHG under stress, the utility of a laxity measurement alone is not clear as correlation of measurements is not excellent; hence, an upper limit of normal for the ulnohumeral gap under stress may be more useful. Further evaluation of this technique is required in patients with PLRI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,299
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJSES InternationalMême sujetElbow and Forearm Trauma TreatmentTravaux en français237 207