Prehospital Fibrinogen Levels in Major Trauma Patients Transported by Helicopter Emergency Medical Service: Determining Who Might Benefit
Notice bibliographique
Résumé
OBJECTIVES: Low fibrinogen contributes to poor outcomes in patients with traumatic coagulopathy. Empiric fibrinogen replacement is not supported. Early identification of patients at high risk of hypofibrinogenemia may enable targeted support. We sought to identify prehospital variables associated with hypofibrinogenemia at emergency department (ED) arrival. METHODS: We retrospectively reviewed health records (January 2015 to August 2019) of consecutive patients transported by helicopter EMS to two trauma centers who received one or more units of packed red blood cells (pRBCs) during transport. The primary outcome was first ED fibrinogen level transformed into a binomial variable (<1.6g/L or ≥1.6g/L) for the 65 patients analyzed. Direct multivariable logistic regression examined the independent variables (hypotension, shock index (SI), and systolic blood pressure). Odds ratios and 95% CIs were reported. RESULTS: Hypotension after first pRBC transfusion was significantly associated with low ED first fibrinogen level, P=.03, with 6.6 (1.1-40.15) times greater odds of fibrinogen <1.6g/L. Hypotension post-transfusion was also associated with ED first international normalized ratio (INR) >1.5, P=.013, with those cases having 17.5 (1.8-169.2) greater odds of INR >1.5. Additionally, an EDSI ≥1.5 had 8.9 (1.9-42.6) times greater odds of fibrinogen <1.6g/L than those with an EDSI <1, P=.006. Compared with the EDSI 1-1.49 group, those with an EDSI ≥1.5 had 6.9 times greater odds of having fibrinogen <1.6g/L, P=.02, OR=6.9 (1.3-36.1). CONCLUSION: In major trauma patients transported by helicopter EMS, persistent hypotension after the first blood transfusion and an initial EDSI ≥1.5 were both associated with low fibrinogen levels.
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 | 0,001 |
| 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 | 0,001 |
| 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 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 ».