Multimodality imaging review of ulnar nerve pathologies
Notice bibliographique
Résumé
The ulnar nerve is the second most commonly entrapped nerve after the median nerve. Although clinical evaluation and electrodiagnostic studies remain widely used for the evaluation of ulnar neuropathy, advancements in imaging have led to increased utilization of these newer / better imaging techniques in the overall management of ulnar neuropathy. Specifically, high-resolution ultrasonography of peripheral nerves as well as MRI has become quite useful in evaluating the ulnar nerve in order to better guide treatment. The caliber and fascicular pattern identified in the normal ulnar nerves are important distinguishing features from ulnar nerve pathology. The cubital tunnel within the elbow and Guyon's canal within the wrist are important sites to evaluate with respect to ulnar nerve compression. Both acute and chronic conditions resulting in deformity, trauma as well as inflammatory conditions may predispose certain patients to ulnar neuropathy. Granulomatous diseases as well as both neurogenic and non-neurogenic tumors can also potentially result in ulnar neuropathy. Tumors around the ulnar nerve can also lead to mass effect on the nerve, particularly in tight spaces like the aforementioned canals. Although high-resolution ultrasonography is a useful modality initially, particularly as it can be helpful for dynamic evaluation, MRI remains most reliable due to its higher resolution. Newer imaging techniques like sonoelastography and microneurography, as well as nerve-specific contrast agents, are currently being investigated for their usefulness and are not routinely being used currently.
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 | 0,002 |
| 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 ».