Diagnostic Accuracy of 128-Slice Single-Source CT for the Detection of Dislocated Bucket Handle Meniscal Tears in the Setting of an Acute Knee Trauma—Correlation with MRI and Arthroscopy
Notice bibliographique
Résumé
(1) Background: Meniscal tears are amongst the most common knee injuries. Dislocated bucket handle meniscal tears in particular should receive early intervention. The purpose of this study was to evaluate the diagnostic performance of CT in detecting dislocated bucket handle meniscal tears compared with the gold-standard MRI and arthroscopy. (2) Methods: Retrospectively, 96 consecutive patients underwent clinically indicated CT of the knee for suspected acute traumatic knee injuries (standard study protocol, 120 kV, 90 mAs). Inclusion criteria were the absence of an acute fracture on CT and a timely MRI (<6 months). Corresponding arthroscopy was assessed. Two experienced musculoskeletal radiologists analyzed the images for dislocated bucket handle meniscal tears, associated signs thereof (double posterior cruciate ligament sign, double delta sign, disproportional posterior horn sign), and subjective diagnostic confidence on a 5-point-Likert scale (1 = 'non-diagnostic image quality', 5 = 'very confident'). (3) Results: Dislocated bucket handle meniscal tears were detected on CT by standard three-plane bone kernel reconstructions with a sensitivity of 90.7% and a specificity of 99.3% by transferring the knowledge of established MRI signs. The additional use of soft-tissue kernel reconstructions in three planes increased the sensitivity by 4.0% to 94.7%, specificity to 100%, inter-rater agreement to 1.0, and the diagnostic confidence of both readers improved to a median 4/5 ('confident') in both readers. (4) Conclusions: Trauma CT scan of the knee with three-plane soft-tissue reconstructions delivers the potential for the detection of dislocated bucket handle meniscal tears with very high diagnostic accuracy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».