Accuracy of single-pass whole-body computed tomography for detection of injuries in patients with major blunt trauma
Notice bibliographique
Résumé
BACKGROUND: Contrast-enhanced whole-body computed tomography (also called "pan-scanning") is considered to be a conclusive diagnostic tool for major trauma. We sought to determine the accuracy of this method, focusing on the reliability of negative results. METHODS: Between July 2006 and December 2008, a total of 982 patients with suspected severe injuries underwent single-pass pan-scanning at a metropolitan trauma centre. The findings of the scan were independently evaluated by two reviewers who analyzed the injuries to five body regions and compared the results to a synopsis of hospital charts, subsequent imaging and interventional procedures. We calculated the sensitivity and specificity of the pan-scan for each body region, and we assessed the residual risk of missed injuries that required surgery or critical care. RESULTS: A total of 1756 injuries were detected in the 982 patients scanned. Of these, 360 patients had an Injury Severity Score greater than 15. The median length of follow-up was 39 (interquartile range 7-490) days, and 474 patients underwent a definitive reference test. The sensitivity of the initial pan-scan was 84.6% for head and neck injuries, 79.6% for facial injuries, 86.7% for thoracic injuries, 85.7% for abdominal injuries and 86.2% for pelvic injuries. Specificity was 98.9% for head and neck injuries, 99.1% for facial injuries, 98.9% for thoracic injuries, 97.5% for abdominal injuries and 99.8% for pelvic injuries. In total, 62 patients had 70 missed injuries, indicating a residual risk of 6.3% (95% confidence interval 4.9%-8.0%). INTERPRETATION: We found that the positive results of trauma pan-scans are conclusive but negative results require subsequent confirmation. The pan-scan algorithms reduce, but do not eliminate, the risk of missed injuries, and they should not replace close monitoring and clinical follow-up of patients with major trauma.
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 | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».