The Effect of a Multidisciplinary Trauma Team Leader Paradigm at a Tertiary Trauma Center: 10-Year Experience
Notice bibliographique
Résumé
Background. To illustrate the impact of the implementation of a multidisciplinary TTL program in 2005 on the mortality of trauma patients in a level 1 trauma center as well as admission rates and length of stay. Methods. Retrospective observational study of all trauma patients included in the provincial trauma database at the Montreal General Hospital between 1998 and 2015. The primary outcome studied was in-hospital mortality. The secondary outcomes studied were hospital and intensive care unit (ICU) rates of admission and hospital and ICU length of stay. Results. 24,107 patients were included. We observed a statistically significant reduction in mortality of 1.25% or a relative reduction of 16% ( p value = 0.0058; rate ratio 0.844 (95% CI 0.747–0.952)). ICU admissions were also significantly reduced where we observed a statistically significant absolute reduction of 4.46% or a relative reduction of 14% ( p value = 8.38 × 10−7; rate ratio 0.859 (95% CI 0.808–0.912)). The ICU length of stay was increased by 0.91 days or 19.03% ( p value = 0.016 (95% CI 0.167–1.655)). There was no observed change in overall length of stay (13.97 days pre-TTL and 12.91 post-TTL ( p value = 0.13; estimate −1.053 (95% CI −2.424–0.318))). Conclusions. This article suggests that multidisciplinary TTL model may be beneficial in the care of trauma patients. Further subgroup analysis may help determine which patients could benefit more.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».