MétaCan
Menu
Retour à la cohorte
Enregistrement W657421452 · doi:10.4329/wjr.v7.i5.100

Silver nitrate mimicking a foreign body in the pharyngeal mucosal space

2015· article· en· W657421452 sur OpenAlexafffund
Devon Livingstone

Notice bibliographique

RevueWorld Journal of Radiology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueOtolaryngology and Infectious Diseases
Établissements canadiensUniversity of Calgary
Organismes subventionnairesJewish General Hospital
Mots-clésMedicineOdynophagiaForeign bodySilver nitrateRetropharyngeal spaceRadiologySurgeryDysphagiaComputed tomography

Résumé

récupéré en direct d'OpenAlex

Silver nitrate is sometimes used as a means of chemical cauterization for control of minor bleeding and management of hypergranulation tissue following bedside head and neck procedures. There are only few reports available on the imaging appearance of silver nitrate and its potential to mimic a foreign body. We report a case of a patient presenting with dysphagia, odynophagia, and fever following dental work who had a peritonsillar incision and drainage for treatment of a deep neck space infection. During the procedure, silver nitrate was applied to halt the bleeding. Patient was subsequently transferred to another institution. Since the patient was not showing significant clinical improvement on antibiotic therapy, a computed tomography (CT) scan was performed demonstrating a hyperdense structure lodged in the pharyngeal mucosal space in the oropharynx and soft palate that was mistaken for a foreign body such as bone. Silver nitrate can have density similar to bone but does not have the normal architecture of bone with cortex and marrow on CT. Familiarity with the appearance of silver nitrate on CT, lack of bone architecture, and proper documentation and communication of the use of silver nitrate to the consultant radiologist and medical personnel could help avoid misdiagnosis and potentially unnecessary surgical exploration.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,025
Tête enseignante GPT0,288
Écart entre enseignants0,263 · 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

Citations4
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Journal of RadiologyMême sujetOtolaryngology and Infectious DiseasesTravaux en français237 207