Intracranial Pressure as a Dynamic Predictor of Traumatic Brain Injury Outcomes: A Scoping Review
Notice bibliographique
Résumé
Intracranial pressure (ICP) monitoring remains a cornerstone in the management of severe traumatic brain injury (TBI), yet its utility as a dynamic predictor of outcomes continues to evolve. We aimed to examine the role of serial ICP measurements as a potential predictor of outcomes after TBI, to combine ICP data with cerebrovascular reactivity metrics, and to highlight emerging trends in ICP modeling such as machine learning-based predictive models. We conducted a rigorous scoping review following Preferred Reporting Items for Systematic reviews and Meta-Analyses extension for Scoping Reviews guidelines to investigate the utility of ICP monitoring as a dynamic predictor of outcomes following TBI. A systematic search of major databases identified relevant studies published between January 1, 1998, and August 1, 2024. Two reviewers identified relevant articles, and conflicts were adjudicated by a third. Data from the included studies were abstracted and synthesized. Analysis of 29 studies ( N = 5,743 patients) revealed significant associations between specific ICP patterns and clinical outcomes. Key findings included threshold-dependent mortality predictions, the value of early monitoring patterns (i.e., patterns observed within the first 72 h post-injury), and the enhancement of predictive accuracy through integration with cerebrovascular reactivity indices. Many studies now explore ICP as a multidimensional metric rather than a straightforward number, but overarching conclusions are limited by inter-study variability in analysis. The integration of advanced monitoring techniques, the use of features capturing the temporal complexity of ICP, and machine learning approaches show promise in enhancing the predictive value of ICP monitoring as a new form of precision medicine. These findings support strong associations between specific ICP dynamic patterns and mortality and functional outcomes. Standardization of protocols and validation in diverse populations remain important challenges to address in future 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 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 | 0,017 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,023 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».