Non-neurologic organ dysfunction in severe traumatic brain injury*
Notice bibliographique
Résumé
OBJECTIVE: To describe the incidence of non-neurologic organ dysfunction and its association with outcome in patients with severe traumatic brain injury admitted to intensive care. DESIGN: Observational cohort study. SETTING: Foothills Medical Centre, which is the only neurosurgical service in southern Alberta (population approximately 1.3 million). PATIENTS: Patients were 209 consecutive patients with severe traumatic brain injury. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Non-neurologic organ dysfunction was measured by the maximum modified multiple organ dysfunction score. Organ system failure was defined as a component score of >/=3 on any day during the patient's intensive care unit stay. One hundred and eighty-five patients (89%) developed dysfunction of at least one non-neurologic organ system. Ninety-six organ system failures were identified in 74 patients (35%). Respiratory failure was the most common non-neurologic organ system failure, occurring in 23% of patients, whereas cardiovascular failure occurred in 18%. Eight patients (4%) had failure of the coagulation system. One patient had renal failure, whereas no patient developed hepatic failure. In a multivariate model, non-neurologic organ dysfunction was independently associated with hospital mortality (odds ratio for hospital mortality, 1.63; 95% confidence interval, 1.34, 1.98 for one maximum modified multiple organ dysfunction score point). Non-neurologic organ dysfunction was also independently associated with dichotomized Glasgow Outcome Score, as a measure of neurologic outcome (odds ratio for unfavorable neurologic outcome, 1.53; 95% confidence interval, 1.22, 1.98 for one maximum modified multiple organ dysfunction score point). The timing of the organ dysfunction did not appear to be important in the prediction of outcome. CONCLUSIONS: Non-neurologic organ dysfunction is common in patients with severe traumatic brain injury and is independently associated with worse outcome.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».