P.081 Critical illness neuropathy and clinical correlates in severely burned patients
Notice bibliographique
Résumé
Background: Reported incidence of critical illness neuropathy (CIN) in burn patients is between 7-41%. Methods: Retrospective review including patients admitted to quaternary ICU for burn injuries between 2010-16. Variables include demographics, burn and neurologic characteristics, EMG reports, and measurements of illness severity. Patients with and without neuropathies were compared. Results: Of 147 patients admitted to ICU, thirteen had EMG studies and eight met CIN criteria. Five had electrophysiological CIN evidence, three had clinical diagnosis. Six EMGs focused on upper limb injuries only, insufficient to diagnose CIN. One patient was diagnosed with critical illness myopathy and nine had superimposed focal mononeuropathies or plexopathy. CIN patients had a mean of larger burns (TBSA 63% vs 21%), more operations (8 vs 2) and escharotomies performed (63% vs 12%), longer ICU admissions (23 vs 9 days), longer ventilation (28 vs 8 days), higher revised Baux score (101 vs 76) and initial APACHE II scores (21 vs 15) than those without. Conclusions: CIN was identified in 5.4% of burn patients admitted to ICU, lower than previously reported in literature, and associated with higher illness severity. CIN may be under recognized if not screened for. Unit examinations should include screening neurological measures and indicated EMGs to evaluate for CIN.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 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) | 0,004 | 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 ».