S100B outperforms clinical decision rules for the identification of intracranial injury on head CT scan after mild traumatic brain injury
Notice bibliographique
Résumé
Objective: To compare the classification accuracy of S100B to two clinical decision rules— Canadian CT Head Rule (CCHR) and New Orleans Criteria (NOC)—for predicting traumatic intracranial injuries (ICI) after mild traumatic brain injury (mild TBI).Methods: A secondary analysis of a prospective observational study of mild TBI patients was performed. The diagnostic performance of S100B for predicting ICI on head CT was compared to both the CHRR and NOC. Area under receiver operator characteristic (AUC) curves were used and multivariable analysis was used to create a new decision rule based on a combination of S100B and decision rule-related variables.Results: S100B had the highest negative predictive value (97.3%), positive predictive value (7.21%), specificity (33.6%) and positive likelihood ratio (1.3), and the lowest negative likelihood ratio (0.5). The proportion of mild TBI subjects with potentially avoidable head CT scans was highest using S100B (37.7%). The addition of S100B to both clinical decision rules significantly increased AUC. A novel decision rule adding S100B to three decision rule-related variables significantly improved prediction (p < 0.05).Conclusion: Serum S100B outperformed clinical decision rules for identifying mild TBI patients with ICI. Incorporating clinical variables with S100B maximized ICI prediction, but requires validation in an independent cohort.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».