Paying the Price of Excluding Patients from a Trauma Registry
Notice bibliographique
Résumé
BACKGROUND: The goal of this study was to evaluate the impact of different trauma registry exclusion criteria on the assessment of trauma populations and outcome. METHODS: All patients admitted to a Canadian regional trauma center from April 1, 1993 to March 31, 2002 with a diagnosis of trauma (ICD-9 codes 800 to 959) were reviewed. TOTAL included everyone. REGISTRY included only patients meeting any of four criteria: death during hospital stay, transfer received from another hospital, admission to the intensive care unit, or hospital stay of 3 days or more. NOHIP excluded patients with isolated hip fracture. REG/NOHIP combined both. ISS12 and ISS15 excluded patients with ISS <12 and 15, respectively. RESULTS: There were 6,839 trauma patients. The percentage of excluded patients by group was: REGISTRY, 21.2%; NOHIP, 14.7%; REG/NOHIP, 34.9%; ISS12, 75%; and ISS15, 80.3%. Median length of stay was 7 days. Exclusions represented a total number of hospitalization days varying from 1.9% to 65.5% of TOTAL. Mortality was 6.9% for TOTAL, 8.6% for REGISTRY (p < 0.001), 5.7% for NOHIP (p = 0.009), 7.5% for REG/NOHIP (p=NS), 16.1% for ISS12 (p < 0.001), and 20.4% for ISS15 (p < 0.001). In groups with exclusions, transfer to long-term care varied from 0.14% to 23.5% in the excluded patients. For rehabilitation, these percentages varied from 0.14% to 17.6%. CONCLUSIONS: Registry exclusion criteria significantly alter the apparent severity of injury and resource utilization. The use of divergent exclusion criteria in the analysis of trauma registry data may be misleading.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».