Should a Head-Injured Child Receive a Head CT Scan? A Systematic Review of Clinical Prediction Rules
Notice bibliographique
Résumé
CONTEXT: Given radiation- and sedation-associated risks, there is uncertainty about which children with head trauma should receive cranial computed tomography (CT) scanning. A high-quality and high-performing clinical prediction rule may reduce this uncertainty. OBJECTIVE: To systematically review the quality and performance of published clinical prediction rules for intracranial injury in children with head injury. METHODS: Medline and Embase were searched in December 2008. Studies were selected if they included clinical prediction rules involving children aged 0 to 18 years with a history of head injury. Prediction-rule quality was assessed by using 14 previously published items. Prediction-rule performance was evaluated by rule sensitivity and the predicted frequency of CT scanning if the rule was used. RESULTS: A total of 3357 titles and abstracts were assessed, and 8 clinical prediction rules were identified. For all studies, the rule derivations were reported; no study validated a rule in a separate population or assessed its impact in actual practice. The rules differed considerably in population, predictors, outcomes, methodologic quality, and performance. Five of the rules were applicable to children of all ages and severities of trauma. Two of these were high quality (>or=11 of 14 quality items) and had high performance (lower confidence limits for sensitivity >0.95 and required or=13). One of these had high quality (11 of 14 quality items) and high performance (lower confidence limit for sensitivity = 0.94 and required 13% to undergo CT). Four of the 8 rules were applicable to young children, but none exhibited adequate quality or performance. CONCLUSIONS: Eight clinical prediction-rule derivation studies were identified. They varied considerably in population, methodologic quality, and performance. Future efforts should be directed toward validating rules with high quality and performance in other populations and deriving a high-quality, high-performance rule for young children.
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 | 0,026 | 0,212 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,012 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».