Management of high-grade renal traumas with collecting system injuries
Notice bibliographique
Résumé
INTRODUCTION: Approximately 50% of all high-grade renal traumas (HGRT, American Association for the Surgery of Trauma [AAST] grade 4/5) have associated collecting system injuries. Although most of these collecting system injuries will heal spontaneously, approximately 20-30% of these injuries are managed with ureteric stents. The objective of the study was to review the management of HGRT with collecting system injuries in a level 1 trauma center. METHODS: This was a single-center, retrospective cohort study of trauma patients with HGRT and collecting system injuries from 1998-2019. RESULTS: We identified 147 patients with HGRT. Of the 105 patients who had trauma computed tomography (CT) imaging within 24 hours, 46 were found to have collecting system injuries. Seven of these patients underwent intervention based on initial CT findings; the remaining 39 patients with urinary extravasation were conservatively managed. Of the 37 patients who underwent reimaging, 22 (59%) demonstrated a stable or resolving collection and 15 (41%) demonstrated continued urinary extravasation. Resolution of extravasation on subsequent imaging was observed in 10 of those patients, while five patients (14%) required intervention (four stents, one percutaneous drain) for symptoms/signs of urinary extravasation. CONCLUSIONS: In this study, most patients with HGRT and collecting system injuries did not require intervention unless the patient became symptomatic. The majority of collecting system injuries resolved with no intervention. This study underscores the need for future prospective trials to investigate the necessity of intervening in HGRT collecting system injuries and, secondarily, the need for routine re-imaging in these asymptomatic patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».