MétaCan
Menu
Retour à la cohorte
Enregistrement W2804444401 · doi:10.1186/s13049-018-0497-y

One-year and three-year mortality prediction in adult major blunt trauma survivors: a National Retrospective Cohort Analysis

2018· article· en· W2804444401 sur OpenAlex
Ting Hway Wong, Nivedita Nadkarni, Hai V. Nguyen, Gek Hsiang Lim, David B. Matchar, Dennis Seow, Nicolas Kon Kam King, Marcus Eng Hock Ong

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueScandinavian Journal of Trauma Resuscitation and Emergency Medicine · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMedicineBlunt traumaInjury Severity ScoreNomogramBluntLogistic regressionRetrospective cohort studyComorbidityPopulationInternal medicineCohortInjury preventionPoison controlEmergency medicineSurgery

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Survivors of trauma are at increased risk of dying after discharge. Studies have found that age, head injury, injury severity, falls and co-morbidities predict long-term mortality. The objective of our study was to build a nomogram predictor of 1-year and 3-year mortality for major blunt trauma adult survivors of the index hospitalization. METHODS: Using data from the Singapore National Trauma Registry, 2011-2013, we analyzed adults aged 18 and over, admitted after blunt injury, with an injury severity score (ISS) of 12 or more, who survived the index hospitalization, linked to death registry data. The study population was randomly divided 60/40 into separate construction and validation datasets, with the model built in the construction dataset, then tested in the validation dataset. Multivariable logistic regression was used to analyze 1-year and 3-year mortality. RESULTS: Of the 3414 blunt trauma survivors, 247 (7.2%) died within 1 year, and 551 (16.1%) died within 3 years of injury. Age (OR 1.06, 95% CI 1.05-1.07, p < 0.001), male gender (OR 1.53, 95% CI 1.12-2.10, p < 0.01), low fall from 0.5 m or less (OR 3.48, 95% CI 2.06-5.87, p < 0.001), Charlson comorbidity index of 2 or more (OR 2.26, 95% CI 1.38-3.70, p < 0.01), diabetes (OR 1.31, 95% CI 1.68-2.52, p = 0.04), cancer (OR 1.76, 95% CI 0.94-3.32, p = 0.08), head and neck AIS 3 or more (OR 1.79, 95% CI 1.13-2.84, p = 0.01), length of hospitalization of 30 days or more (OR 1.99, 95% CI 1.02-3.86, p = 0.04) were predictors of 1-year mortality. This model had a c-statistic of 0.85. Similar factors were found significant for the model predictor of 3-year mortality, which had a c-statistic of 0.83. Both models were validated on the second dataset, with an overall accuracy of 0.94 and 0.84 for 1-year and 3-year mortality respectively. CONCLUSIONS: Adult survivors of major blunt trauma can be risk-stratified at discharge for long-term support.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,328
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle