Integrating Point-of-Care Ultrasound in Hand Clinic: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Purpose: Point-of-care ultrasound (POCUS) is increasingly recognized as a valuable adjunct to physical examination in various clinical settings. Despite this, integration into the routine clinical practice of hand surgeons remains limited. This systematic review and meta-analysis aims to evaluate the diagnostic and clinical utility of POCUS in hand clinics for the assessment and management of common hand pathologies. Methods: Following Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines, MEDLINE and Embase were searched. Prospective studies evaluating POCUS use in hand pathologies were included. Two reviewers independently screened, extracted, and assessed data. Meta-analysis of diagnostic performance measures was conducted using a bivariate random effects model when appropriate. Results: Fifteen prospective studies involving 1,217 patients were included. POCUS was most commonly used to assess fractures (76.3%) and tendinous pathologies (20%). For hand fractures, pooled sensitivity and specificity were 81.95% (95% confidence interval [CI]: 78.03% to 85.31%) and 89.39% (95% CI: 87.12% to 91.30%), respectively. Among tendinous pathologies, POCUS demonstrated 100% sensitivity for trigger digits in three of four included studies. Limited evidence also supported high diagnostic performance for nail bed injuries (sensitivity: 97%, specificity: 95%). Conclusions: POCUS demonstrates high diagnostic accuracy for evaluating hand fractures and tendinous injuries while showing promise in the evaluation of nail bed trauma. Heterogeneity in study design, operator expertise, and reference standards was noted. Clinical relevance: The incorporation of POCUS into the clinical practice of hand surgeons, supported by formal training and technological advancements such as artificial intelligence integration, may improve diagnostic efficiency, guide management, and enhance care delivery.
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 | 0,020 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,037 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».