Point-of-Care Ultrasonography for Ankle Injuries in Children
Notice bibliographique
Résumé
OBJECTIVES: The aim of the study was to determine whether point-of-care ultrasound (US) can decrease x-rays in children with ankle injuries. Secondary objectives were to determine the test performance characteristics for ankle US, analyze diagnostic errors, and compare US with the Ottawa Ankle Rules (OAR). METHODS: This was a prospective study of children younger than 21 years presenting to an emergency department with an ankle injury requiring x-rays. Pediatric emergency medicine physicians received a 1-hour training session, performed ankle US with a standardized scanning protocol of the distal tibia and fibula, and described the US as positive, negative, or equivocal for fracture. Ankle x-ray interpretation by a radiologist was the reference standard for fracture. RESULTS: One hundred twenty patients with a mean age of 13.5 (±4.0) years were enrolled. Nine patients (7.5%) had an ankle fracture on x-ray, and 56 patients (47%) had open physes. Ankle US would reduce x-rays by 81 (67.5%), missing 2 intra-articular, nondisplaced, tibial fractures in patients with open physes. Ankle US had a sensitivity of 78% (95% confidence interval [CI], 40%-97%), specificity of 71% (95% CI, 62%-79%), likelihood ratio for a positive test of 2.7 (95% CI, 1.7-4.3), and likelihood ratio for a negative test of 0.31 (95% CI, 0.09-1.07). The OAR would reduce x-rays by 21 (17.5%), missing one fracture. Ultrasound with OAR would reduce x-rays by 20 (17%) with no missed fractures. CONCLUSIONS: Point-of-care US has the potential to reduce x-rays for children with ankle injuries; however, nondisplaced, intra-articular tibial fractures may be missed. Ultrasound with OAR may reduce radiographs without missed fractures in this population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 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 ».