Pediatric Emergency Care Applied Research Network head injury clinical prediction rules are reliable in practice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The Pediatric Emergency Care Applied Research Network (PECARN) traumatic brain injury (TBI) age-based clinical prediction rules identify children at very low risk of a significant head injury who can safely avoid CT. Our goal was to independently validate these prediction rules. DESIGN: Cross-sectional study. SETTING: Two paediatric emergency departments located in USA and in Italy. PATIENTS: All children presenting within 24 h of a head injury with a Glasgow Coma Score of ≥14. INTERVENTION: Assessment of PECARN TBI clinical predictors. MAIN OUTCOME MEASURE: Clinically important TBI defined as head injury resulting in death, intubation for >24 h, neurosurgery or two or more nights of hospitalisation for the management of head trauma. RESULTS: During the study period, we included 2439 children (91% of eligible patients), of which 959 (39%) were <2 years of age and 1439 (59%) were male. Of the study patients, 373 (15%) had a CT performed, 69 (3%) had traumatic findings on their CT and 19 (0.8%) had a clinically important TBI. None of the children with a clinically important TBI were classified as very low risk by the PECARN TBI prediction rules (overall sensitivity 100%; 95% CI 83.2% to 100%, specificity 55%, 95% CI 52.5% to 56.6%, and negative predictive value 100%, 95% CI 99.6% to 100%). CONCLUSIONS: In our external validation, the age-based PECARN TBI prediction rules accurately identified children at very low risk for a clinically significant TBI and can be used to assist CT decision making for children with minor blunt head 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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle