Clinical Predictors of Intra‐Abdominal Injury in Severe Blunt Trauma Patient
Notice bibliographique
Résumé
Introduction The early recognition of intra‐abdominal injury (IAI) in patients with blunt trauma is essential, yet physical examination is often unreliable. Computed tomography (CT) scans are used widely to further evaluate possible IAI but these require time and expense. IAI may be associated with certain objective risk factors or other specific injuries, but this association has not been widely studied. Identification of such risk factors will help to prioritize patients in need for further evaluation of possible IAI. Methods A retrospective chart review was conducted of all 622 adult severe blunt trauma patients (Injury Severity Score [ISS] >12) presenting to a level 1 trauma centre in 2004. Various clinical predictors of IAI were analyzed statistically with univariate and multivariate analysis using SAS software. Results In multivariate analysis, four significant predictors of IAI were found: positive focused assessment with sonography for trauma (FAST) (OR=48.5, p<0.0001), presence of pelvic fracture (OR=2.4, p=0.0002), chest tube insertion (OR=1.8, p=0.0211), and systolic blood pressure (SBP), where every 10 mmHg decrease indicates a 14% increase in risk (OR=0.986, p=0.001). The absence of all four predictors predicted the absence of IAI with a specificity of 0.776 (95% CI 0.741 to 0.808) and a LR of 2.7 (95% CI 2.0 to 3.5). Conclusion This study suggests that positive FAST, presence of pelvic fracture, chest tube insertion, and SBP are significant predictors of IAI in adult blunt trauma patients with ISS > 12. The absence of all four predictors is associated with a reduced risk of IAI.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».