1632 Clinical predictors of fracture in patients with shoulder dislocation: systematic review of diagnostic test accuracy studies
Notice bibliographique
Résumé
Aims, Objectives and Background Pre-reduction radiographs are conventionally used to exclude important fracture before attempts to reduce a dislocated shoulder in the Emergency Department. However, this step increases cost, exposes patients to ionising radiation, and might delay closed reduction. Some studies have suggested that pre-reduction imaging may be omitted for a sub-group of patients with shoulder dislocations. The objective was to determine whether clinical predictors can identify patients that might safely undergo closed reduction of a dislocated shoulder without pre-reduction radiographs. Method and Design A systematic review and meta-analysis of diagnostic test accuracy studies that have evaluated the ability of clinical features to identify concomitant fractures in patients with shoulder dislocation. All fractures were included except for Hill-Sachs lesions. Quality assessment was undertaken using the Quality Assessment of Diagnostic Accuracy Studies (QUADAS-2) tool. Data were pooled and meta-analysed by fitting univariate random effects and multi-level mixed effects logistic regression models. Results and Conclusion Eight studies reported data on 2,087 shoulder dislocations and 343 concomitant fractures. The prevalence of concomitant fracture was 17.5%. The most accurate clinical predictors were age >40 (LR+ 1.8 [95% CI 1.5–2.1]; LR- 0.4 [0.2–0.6]), female sex (LR+ 2.0 [1.6–2.4], LR- 0.7 [0.6–0.8]), first time dislocation (LR+ 1.7 [1.4–2.0]; LR-0.2 [0.1–0.5]), and presence of humeral ecchymosis (LR+ 3.0–5.7; LR- 0.8–1.1). The most important mechanisms of injury were: high-energy mechanism fall (LR+ 2.0–9.8), fall >1 flight of stairs (LR+ 3.8 [95% CI 0.6–13.1]; LR- 1.0 [95% CI 0.9–1.0]), and motor vehicle collision (LR+ 2.3 [0.5–4.0]; LR- 0.9 [0.9–1.0]). The Quebec Rule had a sensitivity of 92.2% (95% CI 54.6–99.2%) and specificity (33.3%, 23.1–45.3%) but the Fresno-Quebec rule maintained 100% sensitivity across three studies that included 564 shoulder dislocations and 98 fractures. In conclusion, the Fresno-Quebec Rule has undergone both internal and external validation and may now have a role in clinical practice.
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 | 0,002 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».