Computed Tomography Angiography Utilization in Lower Extremity Trauma: Insights From a Canadian Level I Trauma Centre
Notice bibliographique
Résumé
Introduction: Computed tomography angiography (CTA) plays an important role in assessing patients with suspected lower extremity traumatic vascular injury. However, CTA overutilization has been reported in some centres, and improper use has been linked to increased healthcare costs and prolonged Emergency Department wait times. This study evaluated CTA utilization in a Canadian Level I trauma centre, determined the rate of positive CTA studies requiring intervention, and identified factors that may reduce unnecessary examinations. Methods and Materials: This retrospective study included trauma patients who underwent lower extremity CTA between January 2020 and September 2024. Data regarding patient demographics, mechanism of injury, physical exam and computed tomography findings, ankle-brachial index value, and interventions were collected and evaluated. Statistical analysis included descriptive statistics and chi-square or Fisher’s exact tests for categorical associations. Results: Six hundred twelve patients (82% male, median age 32 years) were included. Forty-six percent had a normal physical exam, and CTA was positive in 27% of cases. Eight percent of patients required an intervention, all of whom had at least one hard sign of vascular injury. A statistically significant association was identified between hard signs of a vascular injury and positive CTA findings ( P < .001) and major vascular injuries ( P < .01). No patients with a normal physical exam and a positive CTA required intervention. Conclusion: Nearly half of the CTA studies were performed on patients with a normal physical exam, none requiring intervention. Our findings suggest that implementing institution-specific appropriate criteria may reduce unnecessary CTA studies.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 ».