Acute Traumatic Cataract Diagnosed by Ocular Point of Care Ultrasound (POCUS) in the Emergency Department
Notice bibliographique
Résumé
Introduction: It is estimated that over 55 million people suffer ocular injuries each year. Of these injuries, approximately 1.6 million are found to suffer permanent visual impairment secondary to traumatic cataract. Although a traumatic cataract can be a vision threatening pathology, it may be overlooked or difficult to diagnose. The objective of this report is to demonstrate the utility of ocular point of care ultrasound (POCUS) in the emergency department while highlighting its potential to diagnose a traumatic cataract. Case. Report: A 66-year-old man presented to the emergency department with suspected cervical spine injury after being involved in a bicycle accident. During the secondary survey, the patient developed sudden painless loss of vision in his left eye. Computed tomography (CT) and external ocular exam did not reveal the cause of his vision loss. Emergency physicians employed the use of point of care ultrasound POCUS to diagnose an acute traumatic cataract as the etiology, which was later confirmed by Ophthalmology. Conclusion: With the adoption of ocular POCUS as a staple in emergency medicine residency training, this case is testimony to its growing functionality in the setting of ocular trauma. We pose that it may aid as a diagnostic tool, avoid gratuitous testing, and ultimately expedite specialist evaluation and definitive treatment.
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) | 0,000 | 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 ».