MétaCan
Menu
Retour à la cohorte
Enregistrement W4404229306 · doi:10.1001/jamanetworkopen.2024.44465

Hypotension and Adverse Outcomes in Moderate to Severe Traumatic Brain Injury

2024· review· en· W4404229306 sur OpenAlexafffund
Jun Won Lee, Wendy Wang, Amal Rezk, Ayman A. Mohammed, Kyle Macabudbud, Marina Englesakis, Abhijit V. Lele, Frederick A. Zeiler, Tumul Chowdhury

Notice bibliographique

RevueJAMA Network Open · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury and Neurovascular Disturbances
Établissements canadiensOntario Brain InstituteUniversity Health NetworkToronto Western HospitalUniversity of TorontoUniversity of Saskatchewan
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésTraumatic brain injuryMedicineAnesthesiaAdverse effectEmergency medicineInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Importance: Traumatic brain injury (TBI) is a leading cause of death and disability worldwide. Hypotension in patients with TBI is associated with poorer outcomes. A comprehensive review examining adverse outcomes of hypotension in patients with TBI is needed. Objective: To investigate the mortality and incidence of hypotension in patients with TBI. Data Sources: A search of studies published before April 2024 was conducted using MEDLINE, MEDLINE In Process, ePubs, Embase, Classic+Embase, Cochrane Central Register of Controlled Trials, and Cochrane Database of Systematic Reviews for primary research articles in English, including randomized control trials, quasirandomized studies, prospective cohorts, retrospective studies, longitudinal studies, and cross-sectional surveys. Study Selection: Inclusion criteria were patients aged at least 10 years with moderate to severe TBI with hypotension. The exclusion criteria were mild TBI (due to the differences in management principles from moderate to severe TBI). Data were screened using Covidence software with multiple reviewers. Data Extraction and Synthesis: This meta-analysis conforms to Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) and Meta-analysis of Observational Studies in Epidemiology (MOOSE) reporting guidelines for assessing data quality and validity. Primary outcomes (unadjusted and adjusted odds ratios [ORs]) were calculated using a random-effect model with 95% CIs. Incidence of hypotension was derived using logit transformation. Main Outcomes and Measures: Main outcomes were association of hypotension with death and/or vegetative state within 6 months and incidence of hypotension. Vegetative state was not reported due to lack of data from included studies. Hypothesis testing occurred before data collection. Results: The search strategy identified 17 676 unique articles. The final review included 51 studies (384 329 patients). Pooled analysis of found a significant increase in mortality in patients with hypotension and moderate to severe TBI (crude OR, 3.82; 95% CI, 3.04-4.81; P < .001; I2 = 96.98%; adjusted OR, 2.22; 95% CI, 1.96-2.51; P < .001; I2 = 92.21%). The overall hypotension incidence was 18% (95% CI, 12%-26%) (P < .001; I2 = 99.84%). Conclusions and Relevance: This meta-analysis of nearly 400 000 patients with TBI found a significant association of greater than 2-fold odds of mortality in patients with hypotension and TBI. This comprehensive analysis can guide future management recommendations, specifically with respect to blood pressure threshold management to reduce deaths when treating patients with TBI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,060
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,014
Bibliométrie0,0060,006
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,080
Tête enseignante GPT0,370
Écart entre enseignants0,290 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetTraumatic Brain Injury and Neurovascular DisturbancesTravaux en français237 207