Transport Time and Mortality in Critically Ill Patients with Severe Traumatic Brain Injury
Notice bibliographique
Résumé
PURPOSE: Severe traumatic brain injury (TBI) is a major cause of morbidity and mortality in critically ill patients. Pre-hospital care and transportation time may impact their outcomes. METHODS: Using the British Columbia Trauma Registry, we included 2,860 adult (≥18 years) patients with severe TBI (abbreviated injury scale head score ≥4), who were admitted to an intensive care unit (ICU) in a centre with neurosurgical services from January 1, 2000 to March 31, 2013. We evaluated the impact of transportation time (time of injury to time of arrival at a neurosurgical trauma centre) on in-hospital mortality and discharge disposition, adjusting for age, sex, year of injury, injury severity score (ISS), revised trauma score at the scene, location of injury, socio-economic status and direct versus indirect transfer. RESULTS: Patients had a median age of 43 years (interquartile range [IQR] 26-59) and 676 (23.6%) were female. They had a median ISS of 33 (IQR 26-43). Median transportation time was 80 minutes (IQR 40-315). ICU and hospital length of stay were 6 days (IQR 2-12) and 20 days (IQR 7-42), respectively. Six hundred and ninety-six (24.3%) patients died in hospital. After adjustment, there was no significant impact of transportation time on in-hospital mortality (odds ratio 0.98, 95% confidence interval 0.95-1.01). There was also no significant effect on discharge disposition. CONCLUSIONS: No association was found between pre-hospital transportation time and in-hospital mortality in critically ill patients with severe TBI.
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 | 0,001 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».