In Trauma, Conventional ROTEM and TEG Results Are Not Interchangeable But Are Similar in Clinical Applicability
Notice bibliographique
Résumé
BACKGROUND: There is growing interest in viscoelastic hemostatic assays rotational thromboelastometry (ROTEM) and thromboelastography (TEG) for trauma. Despite shared features, it is unknown whether their results are interchangeable and whether one is clinically superior in predicting mortality, blood transfusion, and diagnosing early trauma coagulopathy. METHODS: We conducted a prospective observational study comparing equivalent ROTEM and TEG parameters. Severely injured patients expected to receive massive transfusion were included. Assays were performed simultaneously on admission and repeated over subsequent 12 hours. International normalized ratio ≥1.2 or fibrinogen <1 g/L defined coagulopathy. TEG used kaolin as coagulation initiator and ROTEM used tissue factor (conventional). Spearman nonparametric analysis and Bland-Altman difference mean plot revealed parameter association. Logistic regression and receiver operating characteristic curves measured predictive values. RESULTS: 33 patients (74 ROTEM, 74 TEG) were included; 79% were male, mean Injury Severity Score was 23.5 ± 14, admission international normalized ratio was 1.33 ± 0.4, and 63.4% received blood transfusions. Overall, parameter agreement fell outside acceptable limits, with weak or no association. Clinically, ROTEM maximum clot firmness and TEG maximum amplitude showed reasonable predictive accuracy for mortality, strong accuracy for any or massive blood transfusion, reasonable for plasma transfusion and similar poor predictive accuracy for diagnosing coagulopathy. CONCLUSIONS: ROTEM and TEG results are not interchangeable, arguably due to different coagulation triggers. Assays had similar clinical performance.
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 | 0,003 | 0,004 |
| 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 | 0,001 |
| 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 ».