MétaCan
Menu
Retour à la cohorte
Enregistrement W4416146608 · doi:10.1097/ccm.0000000000006936

Acute Respiratory Distress Syndrome in Trauma 2007–2019: Comprehensive Patient and Center-Level Retrospective Cohort Analysis

2025· article· en· W4416146608 sur OpenAlexaff
Zhi Geng, Allyson M. Hynes, Alexis M. Moren, Jason D. Christie, Nilam S. Mangalmurti, Pengxiang Li, John J. Gallagher, Benjamin S. Abella, Jason Nam, Daniela Schmulevich, Avery B. Nathens, Patrick M. Reilly, David Zonies, Lewis J. Kaplan, Jeremy W. Cannon

Notice bibliographique

RevueCritical Care Medicine · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensHealth Sciences CentreSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésARDSRetrospective cohort studyAcute respiratory distressRespiratory distressCohort studyCohort

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Acute respiratory distress syndrome (ARDS) represents a significant complication in trauma patients. Yet the epidemiology of ARDS in trauma remains incompletely characterized. We sought to define trends in ARDS frequency and the effect of temporal, patient, and center-level factors on outcomes with the hypothesis that ARDS independently predicts mortality. DESIGN: Retrospective cohort study. SETTING: Hospitals submitting data to the American College of Surgeons National Trauma Data Bank. PATIENTS: Injured patients 18 years old or older from 2007 to 2019 on mechanical ventilation (MV) for greater than or equal to 2 days were included, and patients with ARDS were compared with those without ARDS. A subgroup with transfusion data was also identified. Multivariable logistic regression models by year adjusted for patient demographics, center characteristics, and blood products identified factors independently associated with ARDS diagnosis and 30-day hospital mortality. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Of 384,032 injured patients on MV, ARDS was documented in 29,359 (8 per 100 MV patients) with a significant decrease over the study period (22 in 2007 vs. 3 in 2019, p < 0.001). Patient-level risk factors independently associated with ARDS were blunt injury (odds ratio [OR] 1.25; 95% CI, 1.20-1.30), severe sepsis (OR 2.16; 95% CI, 2.06-2.27), ventilator-associated pneumonia (OR 2.91; 95% CI, 2.82-3.00), and acute kidney injury (AKI, OR 2.98; 95% CI, 2.85 to 3.12). In the transfusion subset, 24-hour plasma (OR 1.02; 95% CI, 1.01-1.04) and platelets (OR 1.03; 95% CI, 1.02-1.05) were independently associated with ARDS. Crude ARDS mortality increased over the study period (2007, 15.1% vs. 2019, 29.7%, p < 0.001), and after adjusting for significant differences, ARDS was independently associated with 30-day hospital mortality (OR 1.32; 95% CI, 1.27-1.37). Independent risk factors for 30-day mortality in patients with ARDS included head injury (OR 1.54; 95% CI, 1.43-1.66), severe sepsis (OR 1.48; 95% CI, 1.34-1.63), and AKI (OR 2.72; 95% CI, 2.50-2.96). Patients with ARDS managed in Prevention and Early Treatment of Acute Lung Injury and the Extracorporeal Life Support Organization centers were less likely to die (OR 0.78; 95% CI, 0.72-0.84). CONCLUSIONS: From 2007 to 2019, ARDS decreased significantly in trauma patients. Over the same time, mortality increased to nearly 30%, and after adjusting for other risks factors, ARDS was strongly associated with 30-day mortality. Future studies should examine modifiable patient and center-level factors to improve mortality in these high-risk patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,325
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetRespiratory Support and MechanismsTravaux en français237 207