Functional Outcome Prediction after Traumatic Spinal Cord Injury Based on Acute Clinical Factors
Notice bibliographique
Résumé
Spinal cord injury (SCI) is a devastating condition that affects patients on both a personal and societal level. The objective of the study is to improve the prediction of long-term functional outcome following SCI based on the acute clinical findings. A total of 76 patients with acute traumatic SCI were prospectively enrolled in a cohort study in a single Level I trauma center. Spinal Cord Independence Measure (SCIM) at 1 year after the trauma was the primary outcome. Potential predictors of functional outcome were recorded during the acute hospitalization: age, sex, level and type of injury, comorbidities, American Spinal Injury Association (ASIA) Impairment Scale (AIS), ASIA Motor Score (AMS), ASIA Light Touch score (LT), ASIA Pin Prick score (PP), Injury Severity Score (ISS), traumatic brain injury, and delay from trauma to surgery. A linear regression model was created with the primary outcome modeled relative to the acute clinical findings. Only four variables were selected in the model, with performance averaging an R-square value of 0.57. In descending order, the best predictors for SCIM at 1 year were: LT, AIS grade, ISS, and AMS. One-year functional outcome (SCIM) can be estimated by a simple equation that takes into account four parameters of the initial physical examination. Estimating the patient long-term outcome early after traumatic SCI is important in order to define the management strategies that might diminish the costs and to give the patient and family a better view of the long-term expectations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».