MétaCan
Menu
Retour à la cohorte
Enregistrement W4417506196 · doi:10.1001/jamanetworkopen.2025.49403

Comparison of Cervical Spine Injury Clinical Prediction Rules for Children After Blunt Trauma

2025· article· en· W4417506196 sur OpenAlexaboutno aff
Lois K. Lee, Fahd A. Ahmad, Lorin R. Browne, Monica Harding, Lawrence J. Cook, Kathleen Adelgais, Rebecca K. Burger, Alexander J. Rogers, Leah Tzimenatos, Lauren C. Riney, Daniel M. Rubalcava, Caleb E. Ward, Kenneth Yen, Julie C. Leonard

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSpinal Fractures and Fixation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentMaternal and Child Health BureauNational Institute of Child Health and Human DevelopmentHealth Resources and Services AdministrationU.S. Department of Health and Human Services
Mots-clésBluntClinical prediction ruleBlunt traumaCervical spineInjury Severity ScoreCervical spine injury

Résumé

récupéré en direct d'OpenAlex

Importance: Pediatric cervical spine injury (CSI) is a rare occurrence; however, CSI can result in significant disability and death. It is essential to determine the optimal CSI clinical prediction rule to risk stratify children with potential CSI after blunt trauma who require cervical spine imaging. Objective: To compare the test characteristics and projected imaging rates between 3 prospectively derived CSI clinical prediction rules: the Pediatric Emergency Care Applied Research Network CSI prediction rule (PECARN CSI rule), the National Emergency X-Radiography Utilization Study (NEXUS), and the Canadian Cervical Spine (c-spine) rule (CCR). Design, Setting, and Participants: This comparative effectiveness study was a planned secondary analysis of a prospective observational study enrolling from December 2018 to October 2021 in 18 PECARN emergency departments. Eligible participants were children up through age 17 years presenting after blunt trauma. Data were analyzed between March 2024 and January 2025. Exposures: Enrollment in the primary study to develop and validate the PECARN CSI prediction rule. Main Outcome Measures: Test characteristics with 95% CIs (sensitivity, specificity, positive predictive value [PPV], negative predictive value [NPV]) and area under the curve (AUC) for the receiver operator curves (ROC) for the detection of CSI using each of the 3 rules. We also estimated the projected c-spine imaging rate (radiography or computed tomography [CT]) based on criteria for each of the 3 rules. Results: There were 22 430 eligible children enrolled (median [IQR] age 8 [2.0-13.0] years; 13 068 male [58.3%]) and 433 (1.9%) had CSI. C-spine imaging was performed 12 768 children (56.9%): 8912 (39.7%) had radiography and 3856 (17.2%) were imaged with CT. The sensitivity of the 3 rules was: PECARN CSI rule, 93.3% (95% CI, 90.9%-95.7%); NEXUS, 85.7% (95% CI, 82.4%-89.0%); and CCR, 90.8% (95% CI, 88.0%-93.5%). The NPV of the 3 rules was: PECARN, 99.8% (95% CI, 99.7%-99.9%); NEXUS, 99.6% (95% CI, 99.5%-99.7%); and CCR, 99.7% (95% CI, 99.6%-99.8%). Strictly applying each rule resulted in projected CT imaging of 1549 children (6.9%) for PECARN, 2419 (10.8%) for NEXUS, and 2968 (13.2%) for CCR. Conclusions and Relevance: In this comparative effectiveness study of CSI prediction rules in children, the PECARN CSI rule had the highest sensitivity and NPV for identifying children at risk for CSI after blunt trauma, with the lowest projected CT imaging rate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,189
Score d'incertitude au seuil0,397

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,430
Écart entre enseignants0,394 · 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 tête enseignante, 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetSpinal Fractures and Fixation TechniquesTravaux en français237 207