S'abonner

Reproducibility of the Mayo and Schatzker classification systems in proximal ulna fractures - 14/12/23

Doi : 10.1016/j.otsr.2023.103790 
Fabio Carminati , Laurent Obert, François Saade, Camille Bouteille, Edouard Woussen, Zouhair Aouzal, Michaël Bourgeois, Harrison Haight, Inès Regas, Séverin Rochet, Daniel Lepage, Patrick Garbuio, François Loisel
 Service de chirurgie orthopédique et traumatologique, chirurgie plastique, esthétique et reconstructrice, chirurgie de la main, hôpital Jean-Minjoz, 25030 Besançon, France 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Thursday 14 December 2023
Cet article a été publié dans un numéro de la revue, cliquez ici pour y accéder

Abstract

Introduction

A fracture classification system should provide a reliable and reproducible means of communication between different parties. It should be logical and understandable, with few categories to memorize. The aim of this study was to determine the intra- and interobserver reliability of the Schatzker and Mayo classification systems for the assessment of proximal ulna fractures.

Materials and methods

Intra- and interobserver reliability studies were conducted on 39 X-rays of injured elbows drawn randomly from 74 cases previously used in a series on predictors of ulnohumeral osteoarthritis in proximal ulna fractures. Ten observers independently reviewed these X-rays on 2 separate occasions 3 months apart. The fracture type was assessed according to the Schatzker and Mayo classification systems during each reading session. Cohen's and Fleiss’ kappa were used to measure the intra- and interobserver reliability.

Results

The Schatzker classification had a fair interobserver reliability for the first (Schatzker R1, Fleiss’ κ: 0.394) and second (Schatzker R2, Fleiss’ κ: 0.351) readings. The mean intraobserver reliability value between the 10 reviewers for the Schatzker classification was rated as substantial (0.61). The Mayo classification had a fair interobserver reliability for the first (Mayo R1, Fleiss’ κ: 0.278) and second (Mayo R2, Fleiss’ κ: 0.292) readings. The mean intraobserver reliability value between the 10 reviewers for the Mayo classification was rated as fair (0.52).

Discussion

The classification systems for proximal ulna fractures showed poor reproducibility between the different observers since they had low interobserver agreement values. Nevertheless, their use remained reliable since the measured intraobserver agreement value was deemed substantial.

Level of evidence

IV; retrospective.

Le texte complet de cet article est disponible en PDF.

Keywords : Elbow, Schatzker, Mayo, Classifications, Proximal ulna, Reliability


Plan


© 2023  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.