MétaCan
Menu
Retour à la cohorte
Enregistrement W4416344602 · doi:10.24908/pocusj.v10i02.19230

POCUS for Detection of Esophageal and Gastric Foreign Bodies

2025· article· en· W4416344602 sur OpenAlexvenueno aff
Daniella Lamour, Jacqueline J. Jean-Gilles, David Kinas, Edward Lopez, Robert A. Farrow

Notice bibliographique

RevuePOCUS Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueForeign Body Medical Cases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForeign BodiesPerforationEsophagusForeign bodyClinical Practice

Résumé

récupéré en direct d'OpenAlex

Background: Foreign body ingestion is a common and challenging complaint for physicians in the emergency department (ED). Although most foreign bodies pass naturally without surgical intervention, about 10-20% require removal based on their size, shape, and location within the gastrointestinal tract. X-rays and computed tomography (CT) scans are frequently used for evaluation. However, x-rays cannot detect radiolucent foreign bodies, both modalities emit ionizing radiation, and CT scans are notably expensive. Point of care ultrasound (POCUS) offers a valuable alternative for detecting foreign bodies, as it avoids radiation exposure, reduces costs, and is readily accessible. Case Series: We present a case series involving three distinct instances of foreign body ingestion, where POCUS enhanced patient outcomes and disposition. This series includes evidence on use of POCUS for an obstructed esophageal foreign body and two gastric foreign bodies in a stable patient and unstable altered patient suspected of medication overdose. Conclusion: POCUS is an effective tool for identifying foreign bodies in the upper gastrointestinal tract, especially when x-rays fail to visualize non-radiopaque materials or when attempting to minimize radiation from CT scans. It allows emergency physicians to quickly confirm the presence and precise location of foreign bodies in the gastrointestinal tract, leading to faster clinical decision making and reduced risk of complications, such as perforation or obstruction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,289
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePOCUS JournalMême sujetForeign Body Medical CasesTravaux en français237 207