Point of care ultrasound screening, performed by midwives, outperforms standard selective screening for hip dysplasia. A diagnostic accuracy study
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: To investigate the accuracy of pubo-femoral distance (PFD) ultrasound (US) performed by midwives as a referral criterion for diagnostic Graf hip US, compared to standard screening for developmental dysplasia of the hip (DDH) in newborns. METHODS: PFD US screening was performed along standard screening for DDH in a prospective cohort. The accuracy of PFD US was compared to the standard referral criteria for diagnostic hip US in terms of sensitivity, specificity and positive predictive value in detecting abnormal hips, as well as proportion of abnormal hips found and referral rates. RESULTS: We included 2735 newborns of which 488 received a diagnostic hip US. Mean age at diagnostic US was 35.5 days (±12.8). 317 newborns (11.7 %) were referred by Danish standard screening criteria and 206 newborns (7.6 %) were referred by the PFD criterion. Sensitivities/specificities for detecting ≥Graf type IIc hips were: 50 %/68 % for risk factors, 30 %/94 % for clinical examination, 60 %/62 % for risk factors + clinical examination, and 80 %/89 % for PFD US using a cut-off of 6.2 mm. Difference in sensitivity between PFD and standard screening criteria did not reach statistical significance, but specificity and PPV did. The number of detected ≥ Graf type IIc hips were 6 and 9 for standard screening and PFD screening respectively. INTERPRETATION: Early point-of-care PFD US screening for DDH has significantly higher accuracy in classifying abnormal hips, when compared to standard screening. PFD US increases the detection rate of dysplastic hips (≥ Graf IIc) by 60 % while reducing referral rates.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».