The use of urologic investigations among patients with traumatic spinal cord injuries
Notice bibliographique
Résumé
OBJECTIVE: To assess the use of urologic investigations among traumatic spinal cord injury (TSCI) patients. METHODS: This is a retrospective cohort study from Ontario, Canada. We included all adult TSCI patients injured between 2002 and 2012. The primary outcome was the frequency of urodynamic testing, renal imaging, and cystoscopy. Primary exposure was the year of injury. The impact of age, sex, comorbidity, socioeconomic status, and lesion level was assessed with Cox regression models. RESULTS: One thousand five hundred and fifty one incident TSCI patients were discharged from a rehabilitation hospital. The median follow-up time of this cohort was 5.0 years (interquartile range =2.9-7.5). At least one urodynamics, renal imaging, or cystoscopy was performed during follow-up for 50%, 80%, and 48% of the cohort, respectively. The overall rate of these tests was 0.22, 0.60, and 0.22 per person-year of follow-up. The proportion of patients who had regular, yearly urodynamics (<2%), renal imaging (6%), or cystoscopy (<2%) was low. There were no significant linear trends in the use of these tests over the 10-year study period. Urodynamics were significantly less likely to be performed in patients over 65 years of age (hazard ratio [HR] =0.63, P<0.01) and those with a higher level of comorbidity (HR =0.72, P<0.01). Patients with quadriplegia were significantly less likely to receive any of the investigations compared to those with paraplegia. CONCLUSION: Renal imaging is done at least once for the majority of patients with TSCI; however, only half undergo urodynamics or cystoscopy. Few patients have regular urologic testing. The reality of urologic testing after TSCI is very different from urologist's ideals and practice guidelines.
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 | 0,004 |
| 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 | 0,003 |
| 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 ».