Applicability of CT examination decision rules in head injured children
Notice bibliographique
Résumé
Objective To explore the applicability of the three commonly used CT examination decision rules in Chinese head injured children. Methods This prospective observational study included 1 538 children and adolescents (aged <18 years), who were treated at the Emergency Department of First Hospital of Shanxi Medical University after head injuries. The three clinical decision rules include the Children’s Head Injury Algorithm for the Prediction of Important Clinical Events (CHALICE; UK); the prediction rule for the identification of children at very low risk of clinically important traumatic brain injury, that was developed by the Pediatric Emergency Care Applied Research Network (PECARN; USA), and the Canadian Assessment of Tomography for Childhood Head Injury (CATCH) rule. Diagnostic accuracy had been evaluated by using the rule-specific predictor variables to predict each rule-specific outcome measure in populations who met inclusion and exclusion criteria for each rule. Sensitivity, specificity, negative predictive value (NPV), positive predictive value (PPV), and ROC curve were referred to the diagnostic accuracy. Indicators were characterized by 95% CI. Results Of the 1 538 patients, CTs were obtained for 339 patients (22.04%). Forty-nine patients (3.19%) had positive CT results, 8 patients (0.52%) underwent neurosurgery, 2 patients (0.13%) died, and 1 patient (0.07%) may be missed. In this study, CHALICE was applied for 1 394 children (90.70%; 95% CI: 89.24%-92.15%), PECARN for 801 children (52.11%; 95% CI: 49.62%-54.61%), and CATCH for 325 patients (21.15%; 95% CI: 19.10%-23.19%). The validation sensitivities of CHALICE, PECARN, and CATCH rules were 92.6% (74.2%-98.7%), 100% (56.1%-100%), and 85.7% (42.0%-99.2%), respectively; the specificities were 78.1% (75.7%-80.2%), 48.0% (44.5%-51.5%) and 70.8% (65.4%-75.6%); positive predictive value were 7.7% (5.1%-11.3%), 0.9% (0.4%-1.9%) and 6.1% (2.5%-13.2%); and negative predictive value were 99.8% (99.2%-100%), 99.1% (98.1%-99.6%), and 99.6% (97.2%-100%), respectively. Conclusions The clinical decision rules of CHALICE, PECARN and CATCH have high sensitivities. The specificity of PECARN rule is lower than those of CHALICE and CATCH rules. The above three clinical decision rules can be used for the decision of CT examination in Chinese children with head injury in practice. Key words: Children; Head trauma; CT examination; Clinical decision rules; Applicability; CATCH; PECARN; CHALICE
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 | 0,004 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».