Key clinical predictors in the diagnosis of ovarian torsion in children
Notice bibliographique
Résumé
OBJECTIVE: Ovarian torsion (OT) represents a severe gynecological emergency in female pediatric patients, necessitating immediate surgical intervention to prevent ovarian ischemia and preserve fertility. Prompt diagnosis is, therefore, paramount. This retrospective study set out to assess the utility of combined clinical, ultrasound, and laboratory features in diagnosing OT. METHODS: The authors included 326 female pediatric patients aged under 14 years who underwent surgical confirmation of OT over a five-year period. Logistic regression analysis was employed to pinpoint factors linked with OT, and the authors compared clinical presentation, laboratory results, and ultrasound characteristics between patients with OT (OT group) and without OT (N-OT group). The authors conducted receiver operating characteristic (ROC) curve analysis to gauge the predictive capacity of the combined features. RESULTS: Among 326, OT was confirmed in 24.23 % (79 cases) of the patients. The OT group had a higher incidence of prenatal ovarian masses than the N-OT (22 cases versus 7 cases) (p < 0.0001). Similarly, the authors observed significant differences in the presence of lower abdominal pain, suspected torsion on transabdominal ultrasound, and a high neutrophil-lymphocyte ratio (NLR > 3) between the OT and non-OT groups (p ˂ 0.05). Furthermore, when these parameters were combined, the resulting area under the curve (AUC) was 0.868, demonstrating their potential utility in OT diagnosis. CONCLUSION: This study demonstrates a prediction model integrating clinical, laboratory, and ultrasound findings that can support the preoperative diagnosis of ovarian torsion, thereby enhancing diagnostic precision and improving patient management. Future prospective studies should concentrate on developing clinical predictive models for OT in pediatric patients.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».