Canadian CT head rule adherence in a rural hospital without in-house computed tomography
Notice bibliographique
Résumé
INTRODUCTION: We sought to determine the difference between Canadian CT Head Rule (CCHR) indicated imaging rates and actual imaging rates for patients with mild traumatic brain injuries (mTBIs) at a rural emergency department (ED) without in-house computed tomography (CT). In addition, we compared CCHR adherence at a hospital without CT to previous publications from centres with CT to determine if rural populations receive less CT imaging for minor head traumas when indicated by the CCHR. METHODS: This retrospective chart review explored individuals who presented to a rural ED (no in-house CT scanner) with a primary diagnosis of mild head injury or concussion between 1 January 2017 and 31 December 2021. Information regarding CCHR criteria, transfer status and patient demographics was collected. Descriptive analyses were completed to determine the percentage of patients who received appropriate transfer for imaging, did not receive transfer for imaging when indicated and received unnecessary transfer. RESULTS: A total of 124 charts met our inclusion criteria (17 [12.1%] charts excluded), with 25.8% transferred to the nearest hospital for CT imaging. After applying the CCHR criteria to our charts, 62.1% were indicated for CT. Of the 62.1%, only 35.1% were transferred for imaging (51.2% of high-risk and 16.7% of medium-risk). CONCLUSION: By exploring CT rates for mTBIs in a rural Canadian ED, we found low transfer rates (35.1%) of CCHR-indicated patients for imaging needed to guide further healthcare decisions. This work highlights a discrepancy within the Canadian healthcare system between rural and urban centres and allows for opportunities to help narrow the gap in health care. INTRODUCTION: Nous avons cherché à déterminer la différence entre les taux d'imagerie indiqués par le Canadian CT Head Rule (CCHR, règlement canadien relatif à la tomodensitométrie de la tête) et les taux d'imagerie réels pour les patients souffrant de traumatismes craniocérébraux légers (TCCL) dans un service d'urgence rural ne disposant pas d'une tomographie par ordinateur interne. En outre, nous avons comparé l'adhésion au CCHR dans un hôpital sans tomographie par ordinateur à des publications antérieures provenant de centres avec tomographie par ordinateur afin de déterminer si les populations rurales reçoivent moins d'imagerie par tomodensitométrie pour les traumatismes crâniens mineurs lorsque le CCHR l'indique. MTHODES: Cette étude rétrospective des dossiers a exploré les personnes qui SE sont présentées à une urgence rurale (sans tomodensitomètre interne) avec un diagnostic primaire de traumatisme crânien léger ou de commotion cérébrale entre le 1er janvier 2017 et le 31 décembre 2021. Les informations concernant les critères du CCHR, l'état de transfert et les données démographiques des patients ont été recueillies. Des analyses descriptives ont été réalisées pour déterminer le pourcentage de patients ayant reçu un transfert approprié pour l'imagerie, n'ayant pas reçu de transfert pour l'imagerie quand c'était indiqué et ayant reçu un transfert inutile. RSULTATS: Au total, 124 dossiers répondaient à nos critères d'inclusion [17 (12,1%) dossiers exclus], dont 25,8% ont été transférés à l'hôpital le plus proche pour une imagerie par tomodensitométrie. Après avoir appliqué les critères du CCHR à nos dossiers, 62,1% d'entre eux étaient indiqués pour une tomodensitométrie. Sur ces 62,1%, seuls 35,1% ont été transférés pour imagerie (51,2% de haut risque, 16,7% de risque moyen). CONCLUSION: En explorant les taux de tomodensitométrie pour les TCCL dans un service d'urgence rural canadien, nous avons constaté de faibles taux de transfert (35,1%) des patients recommandés par le CCRH pour une imagerie nécessaire dans le but de guider les décisions de soins de santé ultérieures. Ce travail met en évidence un écart dans le système de santé canadien entre les centres ruraux et urbains et offre des opportunités pour aider à réduire l'écart dans les soins de santé.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».