MétaCan
Menu
Retour à la cohorte
Enregistrement W4384697481 · doi:10.1177/14604086231184505

Can we predict failure of non-operative management of blunt splenic injuries on arrival? A comparison of predictors of immediate splenectomy versus splenectomy secondary to non-operative management failure

2023· article· en· W4384697481 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueTrauma · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAbdominal Trauma and Injuries
Établissements canadiensUniversity of TorontoCanadian Armed ForcesSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineSplenectomyInjury Severity ScoreSurgeryTrauma centerLogistic regressionBluntShock (circulatory)Blunt traumaRetrospective cohort studySpleenEmergency medicinePoison controlInjury preventionInternal medicine

Résumé

récupéré en direct d'OpenAlex

Aims and Background The spleen is the most frequently injured solid organ after blunt trauma and a trial non-operative management (NOM) has become the standard of care in hemodynamically stable patients. It remains uncertain which patients are at increased risk of non-operative management failure (NOMF) at initial presentation. We explored whether clinical variables including the contemporary rotational thromboelastography (ROTEM) parameters are predictive of NOMF. Materials and Methods Data for all adult patients with a blunt splenic injury was collected retrospectively at St. Michael’s Hospital in Toronto, Canada between 2005 and 2021. Those who underwent a splenectomy within 4 hours of presentation were classified as direct operative management (OM), while those who had a splenectomy after 4 hours of observation were classified as NOM failure. Vital signs on arrival and injury characteristics were collected. Logistic regression was used to identify predictors of OM and predictors of NOM failure. Results Seven hundred and seventeen patients were identified with splenic injury during our study period. The median Injury Severity Score (ISS) was 27 (IQR 17–36), and 19% ( n = 134) had a shock index of 1 or more. One hundred and eleven (15.5%) underwent direct operative management. A shock index above 1 and increasing spleen injury severity were strong predictors of patients undergoing direct OM. The remaining 606 patients underwent NOM of which 59% ( n = 357) of these were admitted to the ICU. NOM failure occurred in 7.4% ( n = 45) with a median time to NOM failure of 23 (IQR 8–72) hours. The American Association for the Surgery of Trauma (AAST) spleen injury severity was the major factor significantly associated with NOM failure. Conclusions The only major predictor of NOMF available on arrival is increased spleen injury grade. Other clinical variables such as age, vital signs on arrival, and bloodwork were not significantly able to predict NOM failure. Additional investigation is required to identify novel predictors of NOM failure.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,322
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle