Diagnostic utility of point-of-care ultrasound and optical coherence tomography for papilloedema in children: a prospective pilot study
Notice bibliographique
Résumé
BACKGROUND/AIMS: Papilloedema is an important sign of serious neurological disease, but it can be difficult to detect on funduscopy. The purpose of this study was to determine the diagnostic accuracy of point-of-care ultrasound (POCUS) and optical coherence tomography (OCT) for detecting papilloedema in children. METHODS: This was a prospective observational study at a tertiary care paediatric hospital. Patients were eligible for the study if they underwent a lumbar puncture with opening pressure and had high-quality POCUS and OCT imaging. RESULTS: A total of 63 eyes from 32 patients were included in the study, 41 (65%) with papilloedema and 22 (35%) without. There were statistically significant differences between the groups in the optic disc elevation (ODE) (p<0.001) and optic nerve sheath diameter (ONSD) (p<0.001) on POCUS, and in the average retinal nerve fibre layer (rNFL) thickness on OCT (p<0.001). Average rNFL thickness had the highest diagnostic accuracy with an area under the curve (AUC) of 0.999 and a 100% sensitivity and 95% specificity for papilloedema (threshold value of ≥108 µm). ODE had an AUC of 0.866 and a 93% sensitivity and 55% specificity (threshold value of ≥0.5 mm). ONSD had an AUC of 0.786 and a 93% sensitivity and 45% specificity (threshold value of ≥5.5 mm). CONCLUSION: Both OCT and POCUS are potentially useful tools to help diagnose papilloedema in children. Larger studies are needed to further define the role and accuracy of POCUS and OCT in assessing papilloedema in children.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».