Effect of an Emergency Medicine Resident as Team Leader on Outcomes of Trauma Team Activations
Notice bibliographique
Résumé
OBJECTIVES: Traditionally, a surgeon has served as trauma team leader (TTL). However, this role is increasingly being performed by emergency medicine (EM) physicians. At the Halifax Infirmary, we utilize a resident TTL (rTTL) under supervision of a staff traumatologist, a duty shared between EM and surgical residents. Our objective was to compare outcomes between cases led by EM and surgical rTTLs. METHODS: This was a retrospective case-control study of data collected from the Nova Scotia Trauma Registry. Eligible cases were attended to by the trauma team from April 4, 2014, to March 31, 2015. Primary outcome of interest was in-hospital mortality. Secondary outcomes included hospital admission, hospital length of stay (LOS), intensive care unit (ICU) admission, ICU LOS, ventilator requirement, operating room use, and time to operating room. Univariate comparisons were made using t-tests and Fisher's test. We used logistic and linear regression to adjust for confounding. RESULTS: A total of 571 patients were included in the analysis. A total of 179 (31.3%) were managed by an EM resident and the remainder were managed by a surgical resident. There was no statistical difference in mortality or secondary outcomes on the crude or adjusted estimates. Eighteen patients (10.1%) in the EM group died compared to 37 (9.4%) in the surgical group. CONCLUSIONS: There was no difference in any patient outcome between cases managed by EM and surgical rTTLs. These findings support the philosophy that both groups are effective as rTTLs and should be trained in trauma leadership. Further research is warranted in introducing the rTTL into other systems.
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) | 0,001 | 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 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 ».