Utility of Ottawa ankle rules in excluding ankle fractures in Indian scenario
Notice bibliographique
Résumé
<p><strong>Background:</strong> Patients with acute ankle injuries form a major bulk in outdoor and emergency room, and many of them get radiographs done to rule out fractures. Ottawa ankle rules (OAR) may reduce the need for unnecessary radiographs by detecting fractures only with help of simple clinical findings. We conducted this study to see the extent of usefulness of these rules in our day-to-day practice.</p><p><strong>Methods</strong>: Our study is observational in nature. A total of 107 patients who visited the clinic of the chief investigator between the time period from 1<sup>st</sup> January 2019 to 31<sup>st</sup> December 2020, fulfilling inclusion criteria and willing to participate, were enrolled. The patients were examined clinically, and the assessor recorded the findings on a previously prepared assessment form. Data analysis was done from the master chart.</p><p><strong>Results</strong>: Among the 107 patients, 46 patients were ‘suspicion positive’ by OAR. After the radiographic assessment, we found 11 fractures, all of which belonged to the ‘suspicion positive’ group. Statistical analysis showed that OAR had a sensitivity of 100% for ankle fractures, whereas specificity for the same was 63.54%. We found the positive predictive value to be 23.91% and negative predictive value to be 100%, positive likelihood ratio of 2.74, and negative likelihood ratio of 0.</p><p><strong>Conclusions</strong>: OAR is an easy and reliable tool to screen ankle fractures. In a country with as massive a health care burden as ours, it can reduce the number of unnecessary radiographs and thus reduce exposure, cost, and time of medical professionals.</p>
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 ».