Do neurosurgeons follow the guidelines? A world-based survey on severe traumatic brain injury
Notice bibliographique
Résumé
BACKGROUND: Traumatic brain injury (TBI) is going to be the third-leading cause of death worldwide, according to the WHO. Two European surveys suggested that adherence to brain trauma guidelines is poor. No study has compared compliance between low- (LMICs) and high-income (UHICs) countries. Hence, this study aimed to investigate differences in the management of severe TBI patients, comparing low- and high-income, and adherence to the BTF guidelines. METHODS: A web-based survey was spread through the Global Neuro Foundation, different neurosurgical societies, and social media. RESULTS: A total of 803 neurosurgeons participated: 70.4 from UHICs and 29.6% from LMICs. Hypertonic was administered as an early measure by the 73% and 65% of the responders in LMICs and UHICs, respectively (P=0.016). An invasive intracranial pressure monitoring was recommended by the 66% and 58% of the neurosurgeons in LMICs and UHICs, respectively (P<0.001). Antiseizure drugs (P<0.001) were given most frequently in LMICs as, against recommendations, steroids (87% vs. 61% and 86% vs. 81%, respectively). In the LMICs both the evacuation of the contusion and decompressive craniectomy were performed earlier than in UHICs (30% vs. 17% with P<0.001 and 44% vs. 28% with P=0.006, respectively). In the LMICs, the head CT control was performed mostly between 12 and 24 hours from the first imaging (38% vs. 23%, P<0.001). CONCLUSIONS: The current Guidelines on TBI do not always fit to both the resources and circumstances in different countries. Future research and clinical practice guidelines should reflect the greater relevance of TBI in low resource settings.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».