Characterizing the type and location of intracranial abnormalities in mild traumatic brain injury
Notice bibliographique
Résumé
OBJECTIVEThe incidence of intracranial abnormalities after mild traumatic brain injury (TBI) varies widely across studies. This study describes the characteristics of intracranial abnormalities (acute/preexisting) in a large representative sample of head-injured patients who underwent CT imaging in an emergency department.METHODSCT scans were systematically analyzed/coded in the TBI Common Data Elements framework. Logistic regression modeling was used to quantify risk factors for traumatic intracranial abnormalities in patients with mild TBIs. This cohort included all patients who were treated at the emergency department of the Tampere University Hospital (between 2010 and 2012) and who had undergone head CT imaging after suffering a suspected TBI (n = 3023), including 2766 with mild TBI and a reference group with moderate to severe TBI.RESULTSThe most common traumatic lesions seen on CT scans obtained in patients with mild TBIs and those with moderate to severe TBIs were subdural hematomas, subarachnoid hemorrhages, and contusions. Every sixth patient (16.1%) with mild TBI had an intracranial lesion compared with 5 of 6 patients (85.6%) in the group with moderate to severe TBI. The distribution of different types of acute traumatic lesions was similar among mild and moderate/severe TBI groups. Preexisting brain lesions were a more common CT finding among patients with mild TBIs than those with moderate to severe TBIs. Having a past traumatic lesion was associated with increased risk for an acute traumatic lesion but neurodegenerative and ischemic lesions were not. A lower Glasgow Coma Scale score, male sex, older age, falls, and chronic alcohol abuse were associated with higher risk of acute intracranial lesion in patients with mild TBI.CONCLUSIONSThese findings underscore the heterogeneity of neuropathology associated with the mild TBI classification. Preexisting brain lesions are common in patients with mild TBI, and the incidence of preexisting lesions increases with age. Acute traumatic lesions are fairly common in patients with mild TBI; every sixth patient had a positive CT scan. Older adults (especially men) who fall represent a susceptible group for acute CT-positive TBI.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».