Validation of Complications Selected by Consensus to Evaluate the Acute Phase of Adult Trauma Care
Notice bibliographique
Résumé
OBJECTIVE: Evaluate the predictive validity of complications derived using expert consensus methodology to monitor the quality of trauma care. Secondary objectives were to assess the predictive validity of complications not selected by consensus and identify determinants of complications. BACKGROUND: A list of complications to monitor the quality of trauma care has recently been derived using Delphi consensus methodology. However, the predictive validity of consensus complications has not yet been demonstrated. METHODS: We conducted a multicenter cohort study of adults admitted to the 57 adult trauma centers of a Canadian integrated trauma system (2007-2012; n = 84,216). Multiple generalized linear models were used to assess the influence of complications on mortality and acute care length of stay (LOS) and to identify determinants of consensus complications. RESULTS: The presence of at least 1 consensus complication was associated with a 2.7-fold [95% confidence interval (CI): 2.45-2.90] and 2.2-fold (95% CI: 2.11-2.19) increase in the odds of mortality and mean LOS, respectively. Nonselected complications were associated with no increase in mortality (odds ratio = 0.90, 95% CI: 0.80-1.01) and a 60% increase in LOS (geometric mean ratio = 1.60, 95% CI: 1.57-1.62). Patient-related factors and factors related to treatment explained 66% and 34% of the variation in complication rates, respectively. CONCLUSIONS: In addition to the face and content validity ensured by consensus methodology, this study suggests that consensus complications have good predictive validity. Monitoring these complications as part of quality improvement activities would provide an opportunity to improve outcome and resource use for injury admissions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».