Survival Rates After Pediatric Traumatic Out-of-Hospital Cardiac Arrest Suggest an Underappreciated Therapeutic Opportunity
Notice bibliographique
Résumé
OBJECTIVES: Children with traumatic arrests represent almost one third of annual pediatric out-of-hospital cardiac arrests (OHCAs). However, traumatic arrests are often excluded from study populations because survival posttraumatic arrest is thought to be negligible. We hypothesized that children treated and transported by emergency medical services (EMS) personnel after traumatic OHCA would have lower survival compared with children treated after medical OHCA. METHODS: We performed a secondary, observational study of children younger than 18 years treated and transported by 78 EMS agencies in southwestern Pennsylvania after OHCA from 2010 to 2014. Etiology was determined as trauma or medical by EMS services. We analyzed patient, cardiac arrest, and resuscitation characteristics and ascertained vital status using the National Death Index. We used multivariable logistic regression to test the association of etiology with mortality after covariate adjustment. RESULTS: Forty eight of 209 children (23%) had traumatic OHCA. Children with trauma were older than those with medical OHCA (13.2 [3.8-15.9] vs 0.5 [0.2-2.4] years, P < 0.001). Prehospital return of spontaneous circulation frequency for trauma versus medical etiology was similar (90% vs 87%, P = 0.84). Patients with trauma had higher mortality (69% vs 45% P = 0.004). CONCLUSIONS: More than 8 of 10 children with EMS treated and transported OHCA achieved return of spontaneous circulation. Despite lower survival rates than medical OHCA patients, almost one third of children with a traumatic etiology survived throughout the study period. Future research programs warrant inclusion of children with traumatic OHCA to improve outcomes.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».