MétaCan
Menu
← Retour à la cohorte
Enregistrement W2970213176 · doi:10.1017/9781108647397.024

Commonly Missed Traumatic Injuries

2019· book-chapter· en· W2970213176 sur OpenAlexaboutno aff
Matthew D. Greer, Brian T. Wessman

Notice bibliographique

RevueCambridge University Press eBooks · 2019
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineTertiary careMedical diagnosisEmergency departmentIntervention (counseling)Medical emergencyIntensive care unitEmergency medicineGeneral surgeryIntensive care medicineRadiologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

The terms “missed injury” and “delayed diagnosis” have undergone evolution in their academic meaning over the last several decades of trauma care. Missed injury is typically reserved for an unidentified injury for which the opportune moment for intervention has passed. A delayed diagnosis is the term given to injuries not identified on the primary or secondary survey of the initial trauma evaluation. There is obvious overlap in the ways these terms are employed throughout trauma care, and specific institutions may possess their own interpretations. Many emergency medicine texts list a missed injury as one that is discovered after the patient has left the Emergency Department (ED), whether discharged home or admitted. This version of the “missed injury definition” would include possible injuries which were suspected in the ED (not truly “missed”), though not officially found due to appropriate delays in imaging while more acute issues are being resolved in the operating room (OR) or Intensive Care Unit (ICU). The national trauma database of the American College of Surgeons defines missed injury as an “injury-related diagnosis discovered after initial workup is completed and admission diagnosis is determined.” 1 Delayed diagnosis was proposed to describe diagnoses that were not found on primary and secondary survey. The tertiary survey was intended to identify many of these injuries, 2 though some literature still defines injuries found during the tertiary survey as “delayed.” 3 , 4 In any case, the use of a tertiary survey should be employed in all trauma evaluations, as it leads to a reduction in clinically significant initially unidentified injuries. 5 Trauma surgery has also created leveling algorithms based on the mechanism of injury to help activate appropriate resources for trauma patients. Finally, multiple evidence-based decision tools (i.e. Ottawa knee rules, Canadian head computed tomography rules, etc.) exist to help delineate imaging decisions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,007
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0370,009

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 Opus0,042
Tête enseignante GPT0,234
Écart entre enseignants0,192 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetTrauma and Emergency Care Studies→Travaux en français237 207→