Diagnosis Accuracy for Compartment Syndrome: A Systematic Review and Meta-Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To evaluate whether published studies support basing the diagnosis of compartment syndrome of the lower leg on clinical findings, intracompartmental pressure (ICP) monitoring, or both. DATA SOURCES: A PubMed/MEDLINE, Web of Science, and Embase search of the English literature from 1966 to February 2022 was performed. This used "lower extremity" or "leg" or "tibia" and "compartment syndrome" and "pressure" as the subjects. A manual search of the bibliographies was performed and cross-referenced with those used to formulate the American Academy of Orthopaedic Surgeons clinical practice guidelines. STUDY SELECTION AND EXTRACTION: Inclusion criteria were traumatic tibia injuries, presence of data to calculate the sensitivity, specificity, positive and negative predictive values of clinical findings and/or pressure monitoring, and the presence or absence of compartment syndrome as the outcome. A total of 2906 full articles were found, of which 63 were deemed relevant for a detailed review. Seven studies met all eligibility criteria. DATA SYNTHESIS: The likelihood ratio form of Bayes theorem was used to assess the discriminatory ability of the clinical findings and ICP monitoring as tests for compartment syndrome. The predictive value for diagnosing acute compartment syndrome was 21% and 29% for the clinical signs and ICP, respectively. When combining both, the probability reached 68%. CONCLUSIONS: The use of ICP monitoring may be helpful when combined with a clinical assessment to increase the sensitivity and specificity of the overall diagnosis. Previously accepted individual inference values should be revisited with new prospective studies to further characterize the statistical value of each clinical finding. LEVEL OF EVIDENCE: Diagnostic Level III. See Instructions for Authors for a complete description of levels of evidence.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,012 |
| Bibliométrie | 0,001 | 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 découle