ACVECC‐Veterinary Committee on Trauma registry report 2017–2019
Notice bibliographique
Résumé
OBJECTIVE: To report summative data from the American College of Veterinary Emergency and Critical Care Veterinary Committee on Trauma (VetCOT) registry. DESIGN: Multi-institutional registry data report, April 1, 2017 to December 31, 2019. SETTING: VetCOT identified and verified Veterinary Trauma Centers (VTCs). ANIMALS: Dogs and cats with evidence of trauma. INTERVENTIONS: Data were input to a web-based data capture system (Research Electronic Data Capture) by data entry personnel trained in data software use and operational definitions of data variables. Data on demographics, trauma type, preadmission care, trauma severity assessment at presentation (modified Glasgow Coma Scale and Animal Trauma Triage score), key laboratory parameters, interventions, and case outcome were collected. Summary descriptive data for each species are reported. MEASUREMENTS AND MAIN RESULTS: Thirty-one VTCs contributed data from 20,842 canine and 4003 feline trauma cases during the 33-month reporting period. Most cases presented directly to a VTC (82.1% dogs, 82.1% cats). Admission to hospital rates were slightly lower in dogs (27.8%) than cats (32.7%). Highest mortality rates by mechanism of injury in dogs were struck by vehicle (18.3%), ballistic injury (17.6%), injured inside vehicle (13.2%), nonpenetrating bite wound (10.2%), and choking/pulling injury (8.5%). Highest mortality rates by mechanism of injury in cats were struck by vehicle (43.3%), ejected from vehicle (33.3%), nonpenetrating bite wound (30.7%), ballistic injury (27.8%), and choking/pulling injury (25.0%). The proportion of animals surviving to discharge was 93.1% (dogs) and 82.5% (cats). CONCLUSIONS: The VetCOT registry is a powerful resource for collection of a large dataset on trauma in dogs and cats seen at VTCs. Overall survival to discharge was high indicating low injury severity for most recorded cases. Further evaluation of data on subsets of injury types, patient assessment parameters, interventions, and associated outcome are warranted. Data from the registry can be leveraged to inform clinical trial design and justification for naturally occurring trauma as a translational model to improve veterinary and human trauma patient outcome.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».