Comparing CATCH, CHALICE and PECARN clinical decision rules for paediatric head injuries
Notice bibliographique
Résumé
Many children present to emergency departments following head injury (HI), with a small number at risk of avoidable poor outcome. Difficulty identifying such children, coupled with increased availability of cranial CT, has led to variation in practice and increased CT rates. Clinical decision rules (CDRs) have been derived for paediatric HI but there is no published comparison to assist in deciding which to implement. The content of the three of highest quality and accuracy are described and compared. Systematic reviews of paediatric HI CDRs were published in 2009 and 2011. To identify CDRs published since the most recent review, key databases were searched, selecting studies which included CDRs involving children aged 0-18 years with a history of HI. Quality was assessed using the Quality Assessment of Diagnostic Accuracy Studies Tool, and performance evaluated by reported accuracy. Three high quality CDRs were identified: CATCH (Canadian Assessment of Tomography for Childhood Head Injury) CHALICE (Children's Head Injury Algorithm for the Prediction of Important Clinical Events) and PECARN (Paediatric Emergency Care Applied Research Network). All were derived with high methodological standards but differed in key areas, including study population, outcomes and severity of HI. Each stated different predictor variables and only PECARN provided a separate algorithm for young children. CATCH and CHALICE identify children requiring CT and PECARN those who do not. All perform with high sensitivity and low specificity. PECARN is the only validated CDR, and none has undergone impact analysis. These three CDRs should undergo validation and comparison in a single population, with analysis of their impact on practice and financial implications, to aid relevant bodies in deciding which to implement.
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 | 0,050 | 0,233 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,011 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».