The value of Clinical signs in the diagnosis of Degenerative Cervical Myelopathy - A Systematic review and Meta-analysis
Notice bibliographique
Résumé
STUDY DESIGN: Delayed diagnosis of degenerative cervical myelopathy (DCM) is likely due to a combination of its subtle symptoms, incomplete neurological assessments by clinicians and a lack of public and professional awareness. Diagnostic criteria for DCM will likely facilitate earlier referral for definitive management. OBJECTIVES: This systematic review aims to determine (i) the diagnostic accuracy of various clinical signs and (ii) the association between clinical signs and disease severity in DCM? METHODS: A search was performed to identify studies on adult patients that evaluated the diagnostic accuracy of a clinical sign used for diagnosing DCM. Studies were also included if they assessed the association between the presence of a clinical sign and disease severity. The QUADAS-2 tool was used to evaluate the risk of bias of individual studies. RESULTS: This review identified eleven studies that used a control group to evaluate the diagnostic accuracy of various signs. An additional 61 articles reported on the frequency of clinical signs in a cohort of DCM patients. The most sensitive clinical tests for diagnosing DCM were the Tromner and hyperreflexia, whereas the most specific tests were the Babinski, Tromner, clonus and inverted supinator sign. Five studies evaluated the association between the presence of various clinical signs and disease severity. There was no definite association between Hoffmann sign, Babinski sign or hyperreflexia and disease severity. CONCLUSION: The presence of clinical signs suggesting spinal cord compression should encourage health care professionals to pursue further investigation, such as neuroimaging to either confirm or refute a diagnosis of DCM.
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 | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,006 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».