Ottawa versus Pittsburgh knee rules in screening acute knee injury
Notice bibliographique
Résumé
Introduction: Acute knee injuries account for eight percent of all injuries. Ottawa and Pittsburgh knee rules (OKR and PKR) were developed to assess the need for radiographs in acute knee injury. The objective of the study is to analyse the applicability of OKR and PKR to rule out fractures in acute knee injury. Method: This prospective cross-sectional study included 120 patients presenting with acute knee injury. Patients were assessed based on Ottawa and Pittsburgh knee rules (OKR and PKR) and radiographs were evaluated for fractures. Sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV) of OKR and PKR were calculated along with possible reduction in radiographs. Association of sex and age with outcome of acute knee injury was also analysed. Result: Among the 120 patients, 74(61.67%) were males and 46(38.33%) were females. Sensitivity, specificity, PPV and NPV of OKR were 95% CI 0.94(0.83-0.99), 95% CI 0.40(0.28-0.52), 95% CI 0.53(0.42-0.63) and 95% CI 0.90(0.74-0.98) respectively with possible reduction in radiographs by 31(25.83%). Sensitivity, specificity, PPV and NPV of PKR were 95% CI 0.88(0.76-0.05), 95% CI 0.57 (0.45-0.69), 95% CI 0.59(0.47-0.71) and 95% CI 0.87(0.75-0.95 ) respectively with possible reduction in radiographs by 46(38.33%). Conclusion: OKR and PKR are highly sensitive in ruling out fractures in patients with acute knee injury and more than one-fourth of radiographs can be avoided if these rules are applied.
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 | 0,009 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».