Contemporary management of renal trauma in Canada: A 10-year experience at a level 1 trauma centre
Notice bibliographique
Résumé
INTRODUCTION: Contemporary Canadian renal trauma data is lacking. Our objective is to describe 10-year outcomes of renal trauma at a Canadian level 1 trauma centre using a conservative approach. METHODS: The Alberta Trauma Registry at the University of Alberta was used to identify renal trauma patients from October 2004 to December 2014. Hospital records and imaging were reviewed to identify clinic-radiographical factors, including patient age, gender, Injury Severity Score (ISS), American Association of the Surgery for Trauma (AAST) grade, computerized tomography (CT) findings, urological interventions, length of stay, transfusion and death rates. Descriptive statistics, Chi-square, and t-tests were used when appropriate. RESULTS: A total of 368 renal trauma patients were identified. Mechanism of injury was blunt trauma in 89.1% of cases, mean age was 36.2 years, and mean ISS was 30.8 (±13.6). AAST grade distribution was 16.6% (Grade 1), 22.8% (Grade 2), 36.4% (Grade 3), 20.9% (Grade 4), and 3.3% (Grade 5). Overall, 9.5% (35) of patients required urological intervention for a total of 40 treatments, including ureteral stenting (3.0%), angioembolization (3.3%), percutaneous drainage (0.3%), or open intervention including nephrectomy (2.4%) and renorrhaphy (0.5%). No Grade 1 or 2 injuries required intervention, while 1.5%, 31.2%, and 75.0% of Grade 3, 4, and 5 injuries did, respectively. The overall renal salvage rate was 97.6%, which did not differ by mechanism of injury (p=0.25). Patients with penetrating trauma were more likely to require urological intervention (20.0% vs. 8.2%; p=0.04). Of the high-grade (III-V) renal injuries identified, 15.7% (35/223) required urological intervention, 4.9% (11) required open surgical intervention, and only 4.0% (9) of patients with high-grade renal injury required nephrectomy. CONCLUSIONS: The trend towards conservative treatment of renal trauma in Canada appears well-supported even in a severely injured patient population, as over 90% of patients avoid urological intervention and only 3% require operative intervention resulting in renal salvage rates of 97.6%.
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) | 0,003 | 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 ».