Comparative Study on Different Clinical Decision-Making Tools in Pediatric Head Injury Cases
Notice bibliographique
Résumé
Objective: To carry out a comparative study on effective clinical decision-making tools between Canadian Assessment of Tomography for Childhood Head injury, Pediatric Emergency Care Applied Research Network (PECARN) and Children's Head injury Algorithm for the prediction of Important Clinical Events in pediatrics head trauma cases. Study Design: Validation study. Place and Duration of Study: Department of Surgery, Saif Shaheed Hospital, Haveli Kahota, Azad Kashmir, Pakistan, from Oct 2021 to Nov 2022. Methodology: One hundred and fifty paediatric patients suffering from minor head injury were evaluated on clinical intervention decisions as per emergency procedures during the period of study. Sensitivity, Specificity, Positive Predictive Value and Negative Predictive Value of the selected diagnostic tests was checked. Results: Based on the head CT positivity, PECARN was found to be 81.8% sensitive and 61.9% specific. Canadian Assessment of Tomography for Childhood show sensitivity of 90.9 % and specificity of 65.5%. CHALICE had sensitivity and specificity of 63.6% and 61.5% respectively. CHALICE was unable to identify a pathological CT result with statistical significance (p=0.17) however PECARN and CATCH rule proved significant (p<0.05). CATCH rule show highest positive predictive score of 17.2% and negative predictive score of 98.8%. Conclusion: PECARN, CATCH, and CHALICE criteria are effective in deciding whether or not to perform Computerized Brain Tomography (CBT) scans on children with MHT, leading us to believe that employing these criteria could prevent unnecessary CBT scans.
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 | 0,008 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».