Two Worst Injuries in Different Body Regions Are Associated with Higher Mortality than Two Worst Injuries in the Same Body Region
Notice bibliographique
Résumé
BACKGROUND: The Injury Severity Score (ISS) accounts for only one injury in each body region. The New Injury Severity Score (NISS) considers all injuries in a body region. Despite a big difference between the two scores in patients with multiple injuries, the NISS does not offer significant improvement in mortality prediction. This paper hypothesizes that two injuries in different body regions are associated with higher mortality than two injuries in the same body region, independently of injury severity. METHODS: The population consisted of 15,200 patients with two or more injuries from the Quebec Trauma Registry, Canada, abstracted between 1998 and 2004. The two worst injuries were considered. Logistic regression analysis was used to assess the mortality odds ratio of having two worst injuries in different body regions (DR) compared with two worst injuries in the same body region (SR), while adjusting for the severity and the body region of the two worst injuries and age. RESULTS: A total of 5,869 patients (49%) had their worst injuries in DR. DR patients had 75% higher risk of mortality than SR patients (odds ratio = 1.75, 95% confidence interval = 1.42-2.15). CONCLUSION: After accounting for differing injury severity, patients with their two worst injuries in different body regions have higher mortality than those with their two worst injuries in the same region. Results suggest that the observed effect is not due to a foible in the Abbreviated Injury Scale system but rather to physiologic, clinical, or organizational elements. The results of this study should be considered in the development of future injury severity instruments and may have implications for the care of patients with multiple 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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».