Evaluation of interventions for trauma care in older adults: a consensus study
Notice bibliographique
Résumé
BACKGROUND: Trauma care of older adults is an important and growing public health issue. Countries such as the United States and United Kingdom have published best-practice guidelines on the management of older trauma patients. In Australia, there are no such guidelines. Australian guidelines are needed as there are unique contextual challenges, including low population density and large distances between the site of injury and where treatment is administered. AIMS: To determine which interventions for managing older trauma patients should be prioritised for inclusion in national guidelines. METHODS: A consensus method with two survey rounds was conducted with a range of health professionals involved in delivering trauma care for older adults. In round 1, participants were asked which of 28 interventions should be included in national guidelines. Consensus was defined as ≥80% agreement. In round 2, participants ranked interventions in order of priority for inclusion in guidelines. Interventions were classified into pre-hospital care, in-hospital initial assessment, inpatient care, transition care and education. RESULTS: A total of 32 and 25 participants completed rounds 1 and 2 of the survey respectively. Of 28 interventions proposed for national guidelines, 15 reached consensus. Key priority interventions included geriatric-specific triage, documented goals of care, trauma team activation criteria, multidisciplinary geriatric care and training modules in older trauma care. CONCLUSIONS: This study identified 15 interventions that trauma clinicians agreed should be considered for inclusion in guidelines for the management of older adult trauma. Given the burden of older adult trauma, a national consensus guideline should be prioritised and a working group formed.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».