Use of CT for Head Trauma: 2007–2015
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: International efforts have been focused on identifying children at low risk of clinically important traumatic brain injury in whom computed tomography (CT) neuroimaging can be avoided. We sought to determine if CT use for pediatric head trauma has decreased among US emergency departments (EDs). METHODS: This was a cross-sectional analysis of the National Hospital Ambulatory Care Medical Survey database of nationally representative ED visits from 2007 to 2015. We included children <18 years of age evaluated in the ED for head injury. Survey weighting procedures were used to estimate the annual proportion of children who underwent CT neuroimaging and to perform multivariable logistic regression. RESULTS: There were an estimated 14.3 million pediatric head trauma visits during the 9-year study period. Overall, 32% (95% confidence interval [CI]: 29%–35%) of children underwent CT neuroimaging with no significant annual linear trend (P trend = .50). Multivariate analysis similarly revealed no difference by year (adjusted odds ratio [aOR]: 1.02; 95% CI: 0.97–1.07) after adjustment for patient- and ED-level covariates. CT use was associated with age ≥2 years (aOR: 1.51; 95% CI: 1.13–2.01), white race (aOR: 1.43; 95% CI: 1.10–1.86), highest triage acuity (aOR: 8.24 [95% CI: 4.00–16.95]; P < .001), and presentation to a nonteaching (aOR: 1.47; 95% CI: 1.05–2.06) or nonpediatric (aOR: 1.53; 95% CI: 1.05–2.23) hospital. CONCLUSIONS: CT neuroimaging did not decrease from 2007 to 2015. Findings suggest an important need for quality improvement initiatives to decrease CT use among children with head injuries.
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 | 0,001 |
| 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) | 0,000 | 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 ».