Ultrasound Assessment of Ankle Syndesmotic Injuries in a Pediatric Population
Notice bibliographique
Résumé
OBJECTIVE: To determine sensitivity and specificity for anterior-inferior tibiofibular ligament (AiTFL) integrity and tibiofibular clear-space (TFCS) cut-off points for dynamic evaluation using ultrasound (US) in a pediatric population. DESIGN: Prospective cohort study. SETTING: Tertiary care university-affiliated pediatric hospital patients between the ages of 12 and 18 sustaining acute ankle trauma with syndesmotic injury. INTERVENTIONS: Participants were assigned to the syndesmotic injury protocol that included a standardized MRI and US. MAIN OUTCOME MEASURES: Anterior-inferior tibiofibular ligament integrity for static assessment and TFCS measurements for dynamic assessment on US. For dynamic assessment, the distance between the distal tibia and fibula was first measured in neutral position and then in external rotation for each ankle. The US results on AiTFL integrity were compared with MRI, considered as our gold standard. Optimal cut-off points of TFCS values were determined with receiver operating characteristics curve analysis. RESULTS: Twenty-six participants were included. Mean age was 14.8 years (SD = 1.3 years). Sensitivity and specificity for AiTFL integrity were 79% and 100%, respectively (4 false negatives on partial tears). For dynamic assessment, the cut-off points for the differences in tibiofibular distance between the 2 ankles in 1) neutral position (TFCS N I-U ) and 2) external rotation (TFCS ER I-U ) were 0.2 mm (sensitivity = 83% and specificity = 80%) and 0.1 mm (sensitivity = 83% and specificity = 80%), respectively. CONCLUSIONS: Static US could be used in a triage context as a diagnostic tool for AiTFL integrity in a pediatric population as it shows good sensitivity and excellent specificity.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».