Predictors for Nonaccidental Trauma in a Child With a Fracture—A National Inpatient Database Study
Notice bibliographique
Résumé
BACKGROUND: Despite heightened awareness and multidisciplinary efforts, a predictive model to help the clinician quantify the likelihood of nonaccidental trauma (NAT) in a child presenting with a fracture does not exist. The purpose of this study was to develop an evidence-based likelihood of NAT in a child presenting with a fracture. METHODS: Using the 2012 Kids' Inpatient Database, we identified all available pediatric inpatients admitted with an extremity or spine fracture. Children with a fracture were subcategorized based on the diagnosis of NAT. Multivariate analysis using multiple logistic regression was used to generate odds ratios and create a predictive model for the probability of NAT in a child with a fracture. RESULTS: Of the 57,183 pediatric fracture cases, 881 (1.54%) had a concurrent diagnosis of NAT. Of these children, those presenting with multiple fractures had the highest rate of NAT (2.8%). The overall mortality rate in patients presenting with fractures and abuse was 1.8%, which was twice as high as patients without abuse (odds ratio [OR] = 2.0). Based on multivariate analysis, younger age (OR = 0.5), black race (OR = 1.7), intracranial injury (OR = 3.7), concomitant rib fracture (OR = 7.2), and burns (OR = 8.3) were positive predictors of NAT in a child with a fracture. A weighted equation using regression coefficients was generated and plotted on a receiver operative characteristic curve, demonstrating excellent correlation and probability of NAT (area under curve = 0.962). (Equation - ln (P/(1 - P)) = -1.79 - 0.65 (age in years) + 0.51 (black race) + 1.97 (rib fracture) + 1.31 (intracranial injury) + 2.12 (burn)). CONCLUSION: Using a large, national inpatient database, we identified an overall prevalence of 1.54% of NAT in children admitted to the hospital with a fracture. Based on five independent predictors of NAT, we generated an estimated probability chart that can be used in the clinical workup of a child with a fracture and possible NAT. This evidence-based algorithm needs to be validated in clinical practice. LEVEL OF EVIDENCE: Prognostic study, Level III (case-control study).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».