The Effect of Specialist Neurosciences Care on Outcome in Adult Severe Head Injury
Notice bibliographique
Résumé
BACKGROUND: Head injury is the leading cause of death in trauma. UK national guidelines have recommended that all patients with severe head injury (SHI) should be treated in neuroscience centers. The aim of this study was to investigate the effect of specialist neuroscience care on mortality after SHI. METHODS: We conducted a cohort study using prospectively recorded data from the largest European trauma registry, for adult patients presenting with blunt trauma between 2003 and 2009. Mortality and unadjusted odds of death were compared for patients with SHI treated in neuroscience units (NSU) versus nonspecialist centers. To control for confounding, odds of death associated with non-NSU care were calculated using propensity score-adjusted multivariate logistic regression (explanatory covariates: age, Glasgow Coma Score, Injury Severity Score, treatment center). Sensitivity analyses were performed to study possible bias arising from selective enrollment, from loss to follow-up, and from hidden confounders. RESULTS: 5411 patients were identified with SHI between 2003 and 2009, with 1485 (27.4%) receiving treatment entirely in non-NSU centers. SHI management in a non-NSU was associated with a 11% increase in crude mortality (P<0.001) and 1.72-fold (95% confidence interval: 1.52-1.96) increase in odds of death. The case mix adjusted odds of death for patients treated in a non-NSU unit with SHI was 1.85 (95% confidence interval: 1.57-2.19). These results were not significantly changed in sensitivity analyses examining selective enrollment or loss to follow-up, and were robust to potential bias from unmeasured confounders. CONCLUSIONS: Our data support current national guidelines and suggest that increasing transfer rates to NSUs represents an important strategy in improving outcomes in patients with SHI.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».