Predicting Thoracic Injury in Children With Multitrauma
Notice bibliographique
Résumé
OBJECTIVES: Previous pediatric trauma studies focused on predictors of abnormal chest radiographs or included patients with low injury severity. This study identified predictors of thoracic injury (TI) diagnoses in a high-risk population and determined TI rate without predictors. METHODS: This study was a retrospective trauma registry analysis of previously healthy children aged 0 to 17 years with multisystem blunt trauma requiring trauma team activation and chest radiography who were divided into those with and without TI. Plausible TI predictors included Glasgow Coma Scale score of 13 or less, abnormal thoracic symptoms/signs, abnormal chest auscultation, respiratory distress/ rate higher than the 95th percentile, oxygen saturation less than 95%, abnormal abdominal signs/symptoms, tachycardia higher than the 95th percentile, blood pressure lower than the 5th percentile, and femur fracture. RESULTS: One hundred forty-one (29%) of 493 eligible patients had TI. Independent TI predictors include thoracic symptoms/signs (odds ratio [OR], 6.0; 95% confidence interval [CI], 3.6-10.1), abnormal chest auscultation (OR, 3.5; 95% CI, 2.0-6.2), saturation less than 95% (OR, 3.1; 95% CI, 1.8-5.5), blood pressure lower than the 5th percentile (OR, 3.7; 95% CI, 1.1-12.2), and femur fracture (OR, 2.5; 95% CI, 1.2-5.4). Six (5%) of 119 children (95% CI, 0.01-0.09) without predictors had TI. CONCLUSIONS: Predictors of TI include thoracic symptoms/signs, abnormal chest auscultation, saturation less than 95%, blood pressure lower than the 5th percentile, and femur fracture. Because an important portion of children without predictors had TI, chest radiography should remain part of pediatric trauma resuscitation.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».