Pharmacological management of acute spinal cord injury: a longitudinal multi-cohort observational study
Notice bibliographique
Résumé
Abstract Multiple types and classes of medications are administered in the acute management of traumatic spinal cord injury. Prior clinical studies and evidence from animal models suggest that several of these medications could modify (i.e., enhance or impede) neurological recovery. We aimed to systematically determine the types of medications commonly administered, alone or in combination, in the transition from acute to subacute spinal cord injury. For that purpose, type, class, dosage, timing, and reason for administration were extracted from two large spinal cord injury datasets. Descriptive statistics were used to describe the medications administered within the first 60 days after spinal cord injury. Across 2040 individuals with spinal cord injury, 775 unique medications were administered within the two months after injury. On average, patients enrolled in a clinical trial were administered 9.9 ± 4.9 (range 0–34), 14.3 ± 6.3 (range 1–40), 18.6 ± 8.2 (range 0–58), and 21.5 ± 9.7 (range 0–59) medications within the first 7, 14, 30, and 60 days post-injury, respectively. Those enrolled in an observational study were administered on average 1.7 ± 1.7 (range 0–11), 3.7 ± 3.7 (range 0–24), 8.5 ± 6.3 (range 0–42), and 13.5 ± 8.3 (range 0–52) medications within the first 7, 14, 30, and 60 days post-injury, respectively. Polypharmacy was commonplace (up to 43 medications per day per patient). Approximately 10% of medications were administered acutely as prophylaxis (e.g., against the development of pain or infections). To our knowledge, this was the first time acute pharmacological practices have been comprehensively examined after spinal cord injury. Our study revealed a high degree of polypharmacy in the acute stages of spinal cord injury, raising the potential to impact neurological recovery. All results can be interactively explored on theRXSCIweb site ( https://jutzelec.shinyapps.io/RxSCI/ ) and GitHub repository ( https://github.com/jutzca/Acute-Pharmacological-Treatment-in-SCI/ ).
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».