2D vs. 3D Ultrasound Diagnosis of Pediatric Supracondylar Fractures
Notice bibliographique
Résumé
Supracondylar fractures are common injuries in children. Diagnosis typically relies on radiography, which can involve long wait times in the ED, emits ionizing radiation, and can miss non-displaced fractures. Ultrasound (US) has the potential to be a safer, more convenient diagnostic tool, especially with new highly portable handheld 2D point of care US (POCUS). This study aimed to determine the reliability of 2D POCUS for the detection of supracondylar fractures and elbow joint effusions, to contrast the accuracy of 2D POCUS vs. 3DUS vs. radiographs, and to determine whether blinded image interpretation could produce similar results to non-blinded real-time imaging. Fifty-seven children were scanned with 2D POCUS and 3DUS on the affected elbow. US scans were then read by three blinded readers, and the results were compared to gold-standard radiographs. Compared to a gold standard of 30-day radiographic diagnosis, readers of 2D POCUS detected supracondylar fracture and effusion with sensitivities of 0.91 and 0.97, respectively, which were both higher than with 3DUS. Inter-rater reliability of fracture detection was moderate for 2D POCUS (k = 0.40) and 3DUS (k = 0.53). Consensus sensitivities, although high, were lower than reports from some non-blinded studies, indicating that clinical presentation serves as an important factor in detection rates. Our results from consensus US diagnosis support the validity of using 2D POCUS in children for supracondylar fracture and elbow effusion diagnosis.
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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».