Initial CT Imaging Predicts Mortality in Severe Traumatic Brain Injuries in Pediatric Population—A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
The purpose of this systematic review was to analyze evidence based on existing studies on the ability of initial CT imaging to predict mortality in severe traumatic brain injuries (TBIs) in pediatric patients. An experienced librarian searched for all existing studies based on the inclusion and exclusion criteria. The studies were screened by two blinded reviewers. Of the 3277 studies included in the search, data on prevalence of imaging findings and mortality rate could only be extracted from 22 studies. A few of those studies had patient-specific data relating specific imaging findings to outcome, allowing the data analysis, calculation of the area under the curve (AUC) and receiver operating characteristic (ROC), and generation of a forest plot for each finding. The data were extracted to calculate the sensitivity (SN), specificity (SP), positive predictive value (PPV), negative predicted value (NPV), AUC, and ROC for extradural hematoma (EDH), subdural hematoma (SDH), traumatic subarachnoid hemorrhage (tSAH), skull fractures, and edema. There were a total of 2219 patients, 747 females and 1461 males. Of the total, 564 patients died and 1651 survived; 293 patients had SDH, 76 had EDH, 347 had tSAH, 244 had skull fractures, and 416 had edema. The studies included had high bias and lower grade of evidence. Out of the different CT scan findings, brain edema had the highest SN, PPV, NPV, and AUC. EDH had the highest SP to predict in-hospital mortality.
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 | 0,010 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,028 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».