A comparison of clinical prediction scores for massive traumatic hemorrhage
Notice bibliographique
Résumé
BACKGROUND: Accurate early identification of bleeding trauma patients remains challenging. Several clinical prediction tools-including the Assessment of Blood Consumption (ABC) score, Trauma-Associated Severe Hemorrhage (TASH) score, and shock index (SI)-have been developed to guide transfusion decisions, but their performance across clinically meaningful outcomes remains uncertain. METHODS: We conducted a retrospective cohort study of trauma patients with massive hemorrhage protocol (MHP) activation at a university-affiliated, regional referral trauma center in Ontario, Canada, from July 2019 to September 2022. We included patients aged ≥ 16 years who presented within 3 h of injury. We evaluated the ABC score, TASH score, and SI for predicting massive transfusion (≥ 10 PRBCs in 24 h or ≥ 5 PRBCs in 4 h), the critical administration threshold (CAT; ≥3 PRBCs in 1 h), need for hemostatic intervention, and hemorrhage-related mortality. Score performance was assessed using area under the ROC curve (AUC), sensitivity, and specificity. RESULTS: Among 331 patients, 10.6% received ≥ 10 PRBCs, 20.8% met the 5-unit threshold, 30.8% met CAT, 27.8% required hemostatic intervention, and 4.2% died from hemorrhage during the index admission. The TASH score had the highest AUCs (0.72-0.82) but poor sensitivity. The ABC score showed moderate, threshold-dependent performance (AUCs 0.66-0.76). The shock index (≥ 1.0) showed fair discrimination for major transfusion thresholds (AUC ~ 0.74) but was less predictive for hemostatic intervention (AUC 0.60). CONCLUSION: The ABC, TASH, and SI scores performed poorly to moderately across key bleeding outcomes. These findings highlight the need for improved tools aligned with real-time, clinically actionable endpoints in trauma resuscitation.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».