MétaCan
Menu
Retour à la cohorte
Enregistrement W4213335939 · doi:10.1177/17085381221075494

Comparison of examination techniques of anterior and posterior compartments of the leg for the diagnosis of deep vein thrombosis: A new examination technique

2022· article· en· W4213335939 sur OpenAlexaff
Abdullah Cüneyt Hocagil, Hilal Hocagil, Elif Sungur, Neriman Yardimci Yar, Tuğba Akkaya Hocagil

Notice bibliographique

RevueVascular · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueVenous Thromboembolism Diagnosis and Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMedicineDeep veinThrombosisPhysical examinationCompartment (ship)VeinSurgeryVenous thrombosisRadiology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Several examination techniques have been described for the diagnosis of leg deep vein thrombosis. These previously described examination techniques aim to detect muscle pain that occurs secondary to increased pressure in the posterior compartment of the leg. However, to the best of our knowledge no studies investigated the frequency of muscle pain on the anterior compartment in patients with leg deep vein thrombosis the objective of this study is to investigate the prevalence of muscle pain in the anterior compartment. METHODS: The patients who were diagnosed with acute deep vein thrombosis were included in this prospective cross-sectional study. Each patient was examined using the techniques that determine the pain on the posterior compartment as well as using the technique we described to detect muscle pain on the anterior compartment. RESULTS: Two hunderd forty three patients were enrolled in the study. Among those, both distal and proximal deep vein thrombosis was present in 128 (52.7%) patients. 75% of them had muscle pain in the anterior compartment. CONCLUSION: The results suggested that examination of muscle pain in anterior compartment of leg in patients with both proximal and distal deep vein thrombosis can be used as an additional physical examination techniques for early diagnosis.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,004
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,319
Écart entre enseignants0,286 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVascularMême sujetVenous Thromboembolism Diagnosis and ManagementTravaux en français237 207