Use of Femoral Shaft Fracture Classification for Predicting the Risk of Associated Injuries
Notice bibliographique
Résumé
OBJECTIVES: To investigate the hypothesis that specific fracture patterns in patients with femoral shaft fractures can predict the likelihood of associated injuries. DESIGN: Retrospective cohort study. SETTING: Level I trauma center. PATIENTS/PARTICIPANTS: Consecutive patients treated because of a traumatic diaphyseal femoral fracture. MAIN OUTCOME MEASUREMENT: We studied the association between the Orthopaedic Trauma Association (OTA) fracture classification (derived from initial radiographs) and concomitant injuries of the head, spine, chest, abdomen, and pelvis with a severity of two or more points according to the Abbreviated Injury Scale by logistic regression analysis. RESULTS: One hundred forty-three of 203 patients (80 men, 63 women; mean age 54 ± 26 years) met the inclusion criteria. All patients had unilateral diaphyseal fractures, 64 OTA 32.A (45%), 46 OTA 32.B (32%), and 33 OTA 32.C (23%). In addition, 134 associated injuries were identified in 52 patients. Increasing fracture severity, as expressed by the OTA classification (ie, A, B, C), was significantly associated with a higher likelihood of thoracic (odds ratio [OR], 5.89; 95% confidence interval [CI], 2.59-13.40), pelvic (OR, 4.55; 95% CI, 2.01-10.28), upper (OR, 2.38; 95% CI, 1.27-4.48), and lower extremity injuries (OR, 3.12; 95% CI, 1.78-5.46). Fracture severity explained between 70% and 86% of the probability of having accompanying injuries. CONCLUSION: Radiographic grading of the severity of a femoral shaft fracture may signal the presence of accompanying injuries and should contribute to the clinical decision-making process in severe trauma.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».