Utilization of MRI in surgical decision making in the shoulder
Notice bibliographique
Résumé
BACKGROUND: The aim of this study is to evaluate both the utility of MRI scans and reports used in the current practice routine of shoulder surgeons and their surgical decision-making process. METHODS: Ninety-three shoulder-specialised orthopaedic surgeons of the Canadian Shoulder and Elbow Society (CSES) Orthopaedic Association were surveyed in 2020 anonymously online to help identify the use of MR-imaging and reports in managing shoulder disorders and surgical decision process. RESULTS: Thirty out of 93 (32.25%) CSES fellowship-trained orthopaedic surgeons participated. Respondents request MRI scans in about 55% of rotator cuff (RC) pathology and 48% of shoulder instability cases. Fifty percent of patients with potential RC pathology arrive with a completed MRI scan prior first orthopaedic consult. Their surgical decision is primarily based on patient history (45-55%) and physical examination (23-42%) followed by MRI scan review (2.6-18%), reading MRI reports (0-1.6%) or viewing other imaging (3-23%) depending on the shoulder disease. Ninety percent of surgeons would not decide on surgery in ambiguous cases unless the MR-images were personally reviewed. Respondents stated that shoulder MRI scans are ordered too frequently prior specialist visit as identified in more than 50% of cases depending on pathology. CONCLUSIONS: The decision-making process for shoulder surgery depends on the underlying pathology and patient history. The results demonstrate that orthopaedic surgeons are comfortable reviewing shoulder MRI scans without necessarily reading the MRI report prior to a surgical decision. MRI scans are becoming an increasingly important part of surgical management in shoulder pathologies but should not be used without assessment of patient history and or physical examination.
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 | 0,001 | 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) | 0,000 | 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 ».