Diagnostic Peritoneal Lavage – A Lost Art? A Retrospective Observational Study at a Canadian Tertiary Trauma Centre
Notice bibliographique
Résumé
INTRODUCTION: Abdominal trauma is a leading cause of morbidity and mortality in the young, adult patient in North America. The standard tools to assess the severity of abdominal trauma have been evolving. The continuing role of diagnostic peritoneal lavage (DPL) as a clinical tool to evaluate intra-abdominal injury today remains controversial. This study investigated trends in the use of DPL, CT (computerized tomography) and FAST (Focused Assessment with Sonography for Trauma) in trauma patients in the province of Nova Scotia’s single adult tertiary trauma centre. METHODS: We conducted a retrospective analysis of all patients over the age of 15 with severe blunt and/or penetrating abdominal trauma from 1996 to 2001 who presented to a tertiary care hospital in Nova Scotia. Patients included in this study were those with an injury severity score (ISS) of ≥9 for penetrating trauma and ≥12 for blunt trauma and were derived from the Nova Scotia Trauma Registry. Descriptive statistics were utilized to determine trends over the six year period. RESULTS: Of 172 patients included in the final cohort, the majority were male and under the age of 50. Blunt abdominal injury was far more common than penetrating abdominal injury in this cohort. Abdominal CT, FAST, and DPL were performed in 43.6%, 19.8% and 0.6% of the patients respectively. Absolute numbers of CTs and ultrasounds performed for abdominal trauma increased; however, the percentage of patients receiving those investigations remained constant. DISCUSSION: Despite having excellent published test characteristics and extensive literature supporting its use, DPL is not commonly used today to assess blunt/penetrating abdominal injury in major trauma patients in Nova Scotia’s tertiary trauma centre. These trends may have implications for guideline formulation for care of the major trauma patient with suspected intra-abdominal injuries.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».