Impact of Patient Race on Receiving Head CT during Blunt Head Injury Evaluation
Notice bibliographique
Résumé
OBJECTIVES: Prior evidence suggests that physicians may alter process of care based on race/ethnicity. The objective of this study was to determine whether race/ethnicity predicts whether a patient receives computed tomography of the head (head CT) during evaluation of blunt head injury. METHODS: This was a nonconcurrent cohort study set in an emergency department of a Level 1 trauma center in a university medical center. Consecutive patients presenting with blunt head injury from January 2000 to December 2000 were enrolled. The main outcome measure was whether or not a patient received head CT during evaluation of blunt head injury. RESULTS: The unadjusted probability of receiving head CT was similar among minority (33.9%; 95% confidence interval [CI] = 30.0% to 38.1%) and non-Hispanic white patients (36.4%; 95% CI = 33.5% to 39.3%). After adjusting for important clinical and socioeconomic predictors, minority patients had a probability of receiving head CT 0.84 times as high as that of non-Hispanic whites, but this result was not statistically significant (95% CI = 0.67 to 1.09). CONCLUSIONS: Minority and non-Hispanic white patients may not have significantly different rates of receiving head CT during evaluation of blunt head injury. A multicenter prospective study is necessary to confirm these preliminary findings.
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 | 0,001 | 0,014 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».