Abstracts from the CanVECTOR 2021 Annual Conference November 5th, 2021
Notice bibliographique
Résumé
Background and Aim:The treatment and course of cerebral venous thrombosis (CVT) associated with traumatic brain injury (TBI) is not well-characterized and is often managed conservatively.We reviewed the experience at a large tertiary Canadian hospital. Methods: Cases of CVT between 2008-2018 were identifiedthrough free text search through hospital radiology reports and ICD-10 discharge codes.Total number of TBIs was verified through the provincial trauma database.We examined demographics and clinical characteristics; a single expert re-reviewed imaging.Results: Of 3285 TBI, 54 had an identified concurrent CVT.Mean age was 48 (SD 17.8); 22% were female.Vascular imaging (CTA/V) was done the day of admission in 84%; delay to CTA/V was a median of 1d (range1-13).Almost all CVT (93%) were associated with skull fracture; all but 4 were ipsilateral to the side of the fracture.Most (67%) had at least one repeat CTV, occurring at a median of 3d (range1-74) after the initial scan.Two had evidence of secondary venous infarction on follow-up imaging.One was anticoagulated with unfractionated heparin with CVT as the indication; 69% received no anticoagulation and the remainder received chemoprophylaxis dosing at some point during their admission.Conclusion: Trauma-associated CVT may have been underascertained in the absence of routine vascular neuroimaging for all TBI.Clinical course was also poorly characterized due to a lack of consistent clinical and neuroimaging follow-up.Routine vascular neuroimaging in the event of skull fracture with a consistent followup pathway will help to better determine optimal management.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,399 | 0,166 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».