MétaCan
Menu
Retour à la cohorte
Enregistrement W4290861467 · doi:10.1148/rg.220055

US and MRI of Pelvic Tendon Anatomy and Pathologic Conditions

2022· article· en· W4290861467 sur OpenAlexaff
Dyan V. Flores, Darwin Fernández Umpire, Marcos Loreto Sampaio, Mark Cresswell, Mini N. Pathria

Notice bibliographique

RevueRadiographics · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSports injuries and prevention
Établissements canadiensSt. Paul's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicinePelvisTendinosisAnatomyPubic symphysisTendonTearsMagnetic resonance imagingRadiologyTendinopathySurgery

Résumé

récupéré en direct d'OpenAlex

The bony pelvis serves as the attachment site for a large number of powerful muscles and tendons that drive lower extremity movement. Organizing the pelvic tendons into groups that share a common function and anatomic location helps the radiologist systematically evaluate these structures for injury, which can be caused by repetitive stress, acute trauma, or failure of degenerated tissues. Tears of the anteromedial adductors around the pubic symphysis and anterior flexors traversing anterior to the hip principally affect younger male athletes. Tears of the lateral abductors and posterior extensors are more common in older individuals with senescent tendinosis. The deep external rotators are protected and rarely injured, although they can be impinged. Imaging of the pelvic tendons relies primarily on US and MRI; both provide high spatial and contrast resolution for soft tissues. US offers affordable point-of-care service and dynamic assessment, while MRI allows simultaneous osseous and articular evaluation and is less operator dependent. While the imaging findings of pelvic tendon injury mirror those at appendicular body sites, radiologists may be less familiar with tendon anatomy and pathologic conditions at the pelvis. The authors review pertinent anatomy and imaging considerations and illustrate common injuries affecting the pelvic tendons. Online supplemental material is available for this article. ©RSNA, 2022

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,027
Score d'incertitude au seuil0,212

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,267
Écart entre enseignants0,261 · 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 tête enseignante, 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiographicsMême sujetSports injuries and preventionTravaux en français237 207