Organ donation in trauma victims: A systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Although trauma patients represent a large pool of potential organ donors (PODs), the donor conversion rates (DCRs) in this population are unclear. Our primary objective was to synthesize published evidence on DCRs in trauma patients. As a secondary objective, we investigated factors that affect organ donation (OD) in the trauma population. METHODS: We searched four electronic databases (PubMed, Embase, Web of Science, and Cochrane Library) and gray literature for articles on OD in trauma patients (PROSPERO 2017: CRD42017070388). Articles were excluded if it was not possible to calculate the DCR (actual organ donors divided by PODs). We pooled DCRs and performed subgroups analysis by trauma subpopulation, patients' age, and study publication date. RESULTS: We identified 27 articles with a total of 123,142 participants. Cohorts ranged in size from 28 to 120,512 patients (median, 132), with most studies performed in the United States. Conversion rates among individual studies ranged from 14.0% to 75.2% (median, 49.3%). All 27 studies were included in the meta-analysis. We found a pooled DCR of 48.1% using the random effects model. There was a high level of heterogeneity between studies (I = 97.4%). Upon subgroup analysis, we found DCRs were higher in head trauma patients compared with traumatic cardiac arrest patients (45.3% vs 20.9%, p < 0.001), in pediatric patients compared with adults (61.0% vs 38.0%, p = 0.018), and in studies published after 2007 compared with those published before (50.8% vs 43.9%, p < 0.001). Few studies assessed for factors associated with OD in trauma patients. CONCLUSIONS: We found variation in DCRs among trauma patients (range, 14.0-75.2%) and estimated a pooled DCR of 48.1%. Our results are limited by heterogeneity across studies, which may be attributable to differences in study design and population, definitions of a POD, and in the institutional criteria and processes regarding OD. LEVEL OF EVIDENCE: Systematic reviews and meta-analyses level III.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,040 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».