MétaCan
Menu
Retour à la cohorte
Enregistrement W4414903406 · doi:10.1055/s-0045-1802976

Common Mistakes in Imaging: Ligament Injuries of the Knee in Athletes

2025· review· en· W4414903406 sur OpenAlexaff
Linda Probyn, Dyan V. Flores, Mini Pathri, Christopher F. Beaulieu, Mark Cresswell, Angela Atinga

Notice bibliographique

RevueSeminars in Musculoskeletal Radiology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueKnee injuries and reconstruction techniques
Établissements canadiensUniversity of British ColumbiaUniversity of OttawaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMagnetic resonance imagingLigamentAthletesRadiographySports medicineSoft tissueMedical imaging

Résumé

récupéré en direct d'OpenAlex

Assessment of internal derangement is a common indication for imaging of the injured knee in athletes. The first line of imaging is conventional radiography, but magnetic resonance imaging is often required. Radiographic features of ligament injury can be subtle, even when the soft tissue injury is devastating, resulting in instability that may require surgery. Magnetic resonance imaging to assess for ligament injury has several potential pitfalls that can lead to interpretation errors. This article describes common errors when imaging knee ligament injuries in the athlete and discusses strategies to reduce inaccuracies in imaging technique and interpretation. Mistakes on magnetic resonance imaging and radiographs typically arise from the timing of imaging (early/acute versus delayed/chronic), technical factors, potential mimics of pathology, and the inherent limitations of radiography.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,330
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminars in Musculoskeletal RadiologyMême sujetKnee injuries and reconstruction techniquesTravaux en français237 207