ACVECC Veterinary Committee on Trauma Registry Report 2022–2023
Notice bibliographique
Résumé
OBJECTIVE: To report summative data from the American College of Veterinary Emergency and Critical Care Veterinary Committee on Trauma (ACVECC-VetCOT) registry, with further summary reporting based on geographic region and human population density. DESIGN: Multi-institutional registry data report, January 1, 2022 to December 31, 2023. SETTING: Twenty-two Veterinary Trauma Centers (VTCs) identified and verified by ACVECC-VetCOT. ANIMALS: Dogs and cats with evidence of traumatic injury presented to contributing hospitals. PROCEDURES: Data were input into a web-based data capture system (Research Electronic Data Capture) by data entry personnel. Patient data on demographics, trauma type, preadmission care, trauma severity assessment at presentation, key laboratory parameters, interventions, and outcome were collected. Descriptive statistics were performed for each species reported. RESULTS: Twenty-two VTCs in North America and the United Kingdom contributed data to the VetCOT registry between January 1, 2022 and December 31, 2023. A total of 9,820 cases (8,130 dog, 1,690 cat) were reported. The top three causes of trauma in dogs were penetrating bite wounds (35% of all dog trauma cases), vehicular strikes (17%), and lacerations (12%); in cats, unknown blunt trauma (22% of all cat trauma cases), penetrating bite wounds (20%), and falls from heights (14%) were the leading causes of trauma. Prevalence of trauma types across geographic regions was similar except for porcupine quilling, which occurred primarily in the Northeast of the United States. Vehicular trauma and porcupine quilling occurred commonly in rural VTCs, whereas falls from heights and nonpenetrating bite wounds occurred commonly in urban VTCs. Survival to discharge remained high in both dogs and cats (93.1% and 83.7%, respectively). CLINICAL RELEVANCE: The ACVECC-VetCOT registry provides a foundation for retrospective evaluation of traumatic injury in dogs and cats. It has already contributed to the production of numerous publications assessing relationships between demographics, trauma etiology, and trauma severity with clinical outcomes.
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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,010 |
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 ».