Factors associated with organ donation by trauma patients in Nova Scotia
Notice bibliographique
Résumé
BACKGROUND: Trauma patients represent a significant pool of potential organ donors (PODs), and previous research suggests that this population is underutilized for organ donation (OD). Our objective was to assess factors associated with OD in the trauma population. METHODS: We retrospectively analyzed OD in Nova Scotia over a 7-year period (2009-2016) using data from the Nova Scotia Trauma Registry and Nova Scotia Legacy of Life Donor Registry. All trauma patients who died in the hospital were included. Multiple logistic regression was used to assess factors associated with donation. We also evaluated characteristics, donation types, and reasons for nondonation among trauma PODs. RESULTS: There were 689 trauma-related deaths in all hospitals in NS during the study period, of which 39.8% (274 of 689) met the Nova Scotia Trauma Registry definition of a POD. Data on OD were available for 108 of these patients who were referred to the Legacy of Life Program. The conversion rate was 84%. Compared with nondonors, organ donors were significantly younger, had a higher Abbreviated Injury Scale head score and a lower scene Glasgow Coma Scale score, were more likely to suffer ischemia from drowning or asphyxia and to require air transport, and were less likely to have comorbidities. Regression analysis showed that donation was associated with younger age (odds ratio [OR], 0.97; 95% confidence interval [CI], 0.95-0.99) and lower Glasgow Coma Scale score at the scene (OR, 0.76; 95% CI, 0.66-0.88). Odds of donation were increased with air transport compared with land ambulance (OR, 8.27; 95% CI, 2.07-33.08) and injury within Halifax Regional Municipality compared with injury outside Halifax Regional Municipality (OR, 4.64; 95% CI, 1.42-15.10). Among the 60 referred PODs who did not donate, family refusal of consent was the most common reason (28 [46.7%] of 60). CONCLUSION: Younger age, greater severity of injury, and shorter time to tertiary care were associated with OD in trauma patients. LEVEL OF EVIDENCE: Prognostic and Epidemiological, Level III.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».