Vascular Injury Patterns in High-Energy Trauma: A Systematic Review of Incidence, Diagnostic Modalities, and Management Strategies
Notice bibliographique
Résumé
Vascular injuries in high-energy trauma are life- and limb-threatening emergencies, requiring prompt diagnosis and intervention. This systematic review included five studies published between 2019 and 2023, comprising approximately 480 patients. A literature search of PubMed/MEDLINE, Embase, Scopus, and the Cochrane Library was conducted using keywords such as "vascular injury," "high-energy trauma," "CT angiography," and "endovascular repair." Most studies focused on extremity injuries, particularly involving the femoral, popliteal, iliac, and brachial arteries. CT angiography (CTA) consistently demonstrated superior diagnostic accuracy compared to Doppler ultrasonography or clinical examination. Endovascular techniques, such as stenting and embolization, were compared with open surgical repair. Outcomes assessed included amputation rates, limb salvage, mortality, and hospital stay. Endovascular methods showed potential benefits in reducing complications and hospital duration in selected patients. Common pathophysiological patterns included arterial disruption, thrombosis, and ischemia-reperfusion injury. However, none of the studies evaluated renal outcomes. The included studies were assessed for risk of bias using ROBINS-I (Risk of Bias in Non-randomized Studies of Interventions) and the Newcastle-Ottawa Scale (NOS), revealing moderate quality overall. These findings highlight the diagnostic value of CTA and suggest a growing role for endovascular management in high-energy vascular trauma. Further high-quality studies are needed to guide treatment selection and optimize 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 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 ».