Incidence, Morbidity, and Mortality of Terson Syndrome in Hamilton, Ontario
Notice bibliographique
Résumé
OBJECTIVE: Evaluate the incidence, neurologic morbidity, and mortality of patients with Terson syndrome. METHODS: Consecutive patients admitted to the Hamilton General Hospital from May 2012 to May 2013 with a diagnosis of spontaneous subarachnoid hemorrhage (SAH) were recruited. Funduscopic examinations were performed under pharmacological mydriasis. Outcome measures included: (1) the presence or absence of Terson syndrome; (2) The Glasgow Coma Scale (GCS), Hunt and Hess scale (H&H), and SAH Fisher score upon admission to the hospital; (3) the modified Rankin score upon discharge; and (4) and all-cause mortality. RESULTS: Forty-six patients were included and 10 had Terson syndrome (21%). The median H&H, GCS, and Fisher scores were 4, 6.5, and 4.0 for patients with Terson syndrome vs. 2, 14, and 3 for patients without Terson syndrome (p=0.0032, 0.0052, and 0.031), respectively. The median Rankin score was 6 for patients with Terson syndrome vs. 3.5 for patients without Terson syndrome (p=0.0019). The odds of all-cause mortality with Terson syndrome vs. no Terson syndrome was 12: 1 (95% confidence interval 2.33-61.7), p =0.003. Only four of the 10 patients with Terson syndrome survived. CONCLUSIONS: Based on this study, approximately one-fifth of patients admitted to the hospital with a spontaneous SAH could have Terson syndrome. Patients with Terson syndrome have significantly worse GCS and H&H scores upon admission to the hospital, lower modified Rankin scores upon discharge, and greater mortality. Thus, Terson syndrome is not rare among patients with SAH and carries a worse prognosis.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».