MétaCan
Menu
Retour à la cohorte
Enregistrement W3013358557 · doi:10.1186/s13017-020-00302-7

Liver trauma: WSES 2020 guidelines

2020· review· en· W3013358557 sur OpenAlexaff
Federico Coccolini, Raúl Coimbra, Carlos A. Ordóñez, Yoram Kluger, Felipe Vega, Ernest E. Moore, Walt Biffl, Andrew B. Peitzman, Tal M. Hörer, Fikri M. Abu‐Zidan, Massimo Sartelli, Gustavo Pereira Fraga, Enrico Cicuttin, Luca Ansaloni, Michael W. Parra, Mauricio Millán, Nicola de’Angelis, Kenji Inaba, George Velmahos, Ron Maier, Vladimir Khokha, Boris Sakakushev, Goran Augustin, Salomone Di Saverio, Mircéa Chirica, Viktor Reva, Ari Leppäniemi, Vassil Manchev, Massimo Chiarugi, Dimitrios Damaskos, Dieter Weber, Neil Parry, Zaza Demetrashvili, Ian Civil, Lena M. Napolitano, Davide Corbella, Fausto Catena

Notice bibliographique

RevueWorld Journal of Emergency Surgery · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAbdominal Trauma and Injuries
Établissements canadiensVictoria HospitalLondon Health Sciences Centre
Organismes subventionnairesUniversidad del ValleFundación Valle del Lili
Mots-clésMedicineLiver injuryMultidisciplinary approachEmergency surgeryIntensive care medicineDamage control surgeryTrauma surgeryGeneral surgeryMedical emergencyResuscitationSurgeryOrthopedic surgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Liver injuries represent one of the most frequent life-threatening injuries in trauma patients. In determining the optimal management strategy, the anatomic injury, the hemodynamic status, and the associated injuries should be taken into consideration. Liver trauma approach may require non-operative or operative management with the intent to restore the homeostasis and the normal physiology. The management of liver trauma should be multidisciplinary including trauma surgeons, interventional radiologists, and emergency and ICU physicians. The aim of this paper is to present the World Society of Emergency Surgery (WSES) liver trauma management guidelines.

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)0,004
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,007

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 Opus0,209
Tête enseignante GPT0,416
Écart entre enseignants0,207 · 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
GenreSynthèse

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

En bref

Citations320
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Emergency SurgeryMême sujetAbdominal Trauma and InjuriesTravaux en français237 207