The revised Canadian Bleeding (CAN-BLEED) score for risk stratification of bleeding trauma patients: a mixed retrospective—prospective cohort study
Notice bibliographique
Résumé
BACKGROUND: Traumatic hemorrhage is a significant cause of morbidity and mortality. There is considerable interest in risk stratification tools to aid with early activation of intervention pathways for bleeding patients. In this study, we refine the Canadian Bleeding (CAN-BLEED) score for the prediction of major interventions in bleeding trauma patients. METHODS: We conducted a mixed retrospective-prospective cohort study. We included a retrospective cohort from the CAN-BLEED derivation study, from September 2014 to September 2017. We also conducted a prospective cohort from May 2019 to August 2021 and included both datasets for refinement of the CAN-BLEED score. The primary outcome was major intervention, defined by a composite of massive transfusion, embolization, or surgery for hemostasis. Predictors were pre-specified based on previous validation work. We used a stepdown procedure and regression coefficients to create a clinical risk stratification score. We used bootstrap internal validation to assess optimism-corrected performance. RESULTS: We included 1368 patients in the overall cohort. Incidence of penetrating injury was 23% and median injury severity score was 17. The overall incidence of the need for major intervention was 17%. The revised score included 8 variables: systolic blood pressure, heart rate, lactate, penetrating mechanism, pelvic instability, Focused Abdominal Sonography for Trauma positive for free fluid, computed tomography positive for free fluid, or contrast extravasation. The C-statistic for the simplified score is 0.89. A score cut-off of less than 2 points yielded a 97% (94-98%) sensitivity in ruling out the need for major intervention. CONCLUSION: The revised CAN-BLEED score offers a clinically intuitive and internally validated tool with excellent performance in identifying patients requiring major intervention for traumatic bleeding. Further efforts are required to evaluate its performance with an external validation.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».