Algorithm for torticollis diagnosis in children of younger age groups
Notice bibliographique
Résumé
BACKGROUND: Torticollis is a common term for abnormal head or neck positions. Torticollis can be due to a wide variety of pathological processes, from relatively benign to life-threatening. This syndrome is of particular relevance in pediatric practice and is often underestimated at the primary care level. AIM: To analyze the data of domestic and foreign literature on the etiopathogenesis and clinical features of various types of torticollis in children and develop algorithms for the differential diagnosis of torticollis in children of younger age groups. MATERIALS AND METHODS: A literature search was conducted in the open information databases of eLIBRARY and Pubmed using the keywords and phrases: torticollis, congenital muscular torticollis, non-muscular torticollis, acquired torticollis, and neurogenic torticollis, without limiting the depth of retrospection. RESULTS: Based on the literature data generalization, the classification of torticollis and the key directions of its differential diagnosis are systematized in tabular form. The range of differential diagnosis of torticollis is quite wide and has its characteristics in newborns and children of the first years of life, contrary to older children. The most common is congenital muscular torticollis. Concurrently, non-muscular forms of torticollis in the aggregate are not uncommon, more often with a more serious etiology, and require careful examination. Based on the analyzed literature, differential algorithms for torticollis diagnosis in children of younger age groups have been compiled. CONCLUSIONS: Increasing the level of the knowledge of pediatric clinicians in the etiopathogenesis of torticollis syndrome will improve the efficiency of early diagnosis of dangerous diseases that lead to pathological head and neck positions in children.
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 | 0,000 |
| 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) | 0,000 | 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 ».