Epidemiology and outcomes of missing admission medication history in severe trauma: A retrospective study
Notice bibliographique
Résumé
OBJECTIVE: Anticoagulant and antiplatelet (ACAP) drugs are associated with increased mortality in trauma patients, therefore medication history on admission is important. Whether these medications are recorded on trauma admission has not been investigated, nor if absence of a medication history is associated with worse patient outcomes. METHODS: We conducted a retrospective database review combining demographic and outcome data from the St George Hospital (Sydney) trauma registry with admission medication history in the electronic record. To contrast medications with a known increased risk (ACAP) to patients with unknown risk, patients were divided into three groups: those on ACAPs, no-ACAP if medication history was present and no-ACAP documented, or no-Hx if no medication history recorded. Inclusion criteria were aged >16 and Injury Severity Score (ISS) >12. Admission demographic data and outcome data were compared between all three groups. RESULTS: Of 533 consecutive patients, 21% comprised the no-Hx group, while 22% were on an ACAP and 57% not on an ACAP. No-Hx patients had more severe head injuries and a younger median age compared to ACAP patients (42 vs 82 years old, P < 0.001). Mortality was higher for ACAP (24%; 95% CI 17-33%) compared to no-ACAP (11%; 95% CI 8-16%) or no-Hx patients (12%; 95% CI 7-20%) (P = 0.04). CONCLUSIONS: While a large number of severe trauma patients were admitted without a medication history, no-Hx patients did not appear at increased risk of adverse outcomes. ACAP patients had a higher mortality compared to no-ACAP highlighting the vulnerability of this group.
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) | 0,001 | 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) | 0,002 | 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 ».