ALGORITHMS FOR CLINICAL ASSESSMENT OF THE CERVICAL SPINE IN PATIENTS WITH SEVERE TRAUMA: A MIXED-METHOD ANALYZIS
Notice bibliographique
Résumé
ABSTRACT Objective: Cervical trauma is an important cause of morbidity and mortality, affecting 2% of patients admitted to emergency units. Therefore, this study aims to compare the use of two clinical cervical spine evaluation algorithms, the Canadian C-Spine Rule (CCR) and the National Emergency X-radiography Utilization Study (NEXUS). Methods: A descriptive study of the use of the two algorithms by medical residents in the initial assessment of severely traumatized patients admitted to the regional emergency unit was conducted. The evaluation of the indication for imaging tests and the positive predictive value of the algorithms were the parameters analyzed. Finally, the residents answered a questionnaire evaluating the applicability, degree of confidence and advantages of both flowcharts. Results: There was no significant difference between the number of indications for imaging or their predictive values. In the analysis of the questionnaires, the CCR proved to be more reliable and the NEXUS more applicable, and the positive and negative points of applying each of them were highlighted. Conclusion: It is concluded that the two methods are similar in detecting injuries and optimizing the use of imaging exams, being equally indicated to evaluate cervical trauma. However, the technical specifics of each must be taken into account when deciding which to use. Level of evidence IV; Descriptive Study.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».