Increased prehospital mortality in patients with combined burns and trauma in Canada: Analysis of a provincial trauma registry database
Notice bibliographique
Résumé
INTRODUCTION: The combination of burns and non-thermal trauma may have a synergistic effect on mortality. Our objective was to determine if burn patients with concomitant trauma are at increased risk of mortality in both the prehospital and in-hospital settings. METHODS: Data were collected from a population-based provincial trauma registry (2001-2019). Characteristics and outcomes of patients with trauma/burns were compared to isolated burn patients using t-tests, chi-square analysis and Fisher's exact tests. Risk ratios (RRs) were calculated to evaluate the impact of concomitant trauma on mortality, stratified by % total body surface area (TBSA) and injury severity score (ISS). Firth's penalized maximum likelihood estimation (PMLE) approach was used to fit multivariable logistic regression models to the outcomes of prehospital mortality and in-hospital mortality. RESULTS: Of 436 burn patients, 29.8 % (130/436) had combined trauma/burns. Prehospital mortality in the trauma/burns group was 57.7 % (75/130) versus 43.1 % (132/306) in isolated burn patients. Prehospital mortality risk was highest in trauma/burn patients with % TBSA ≥ 70 (RR 3.87, 95 % CI 2.99-4.99) or ISS ≥ 25 (RR 2.49, 95 % CI 1.84-3.36). Concomitant trauma was associated with increased odds of prehospital mortality (OR 2.42, 95 % CI 1.27-4.69), but had no impact on in-hospital mortality. CONCLUSIONS: Prehospital mortality was increased in patients with combined burns and trauma.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».