Low-value clinical practices in pediatric trauma care : a multicenter retrospective cohort study
Bibliographic record
Abstract
Contexte: Les pratiques de faible valeur dans les soins de traumatologie pour adultes sont fréquentes. Cependant, il existe un manque important de connaissances sur celles-ci dans les admissions pour traumatismes pédiatriques. Les objectifs de cette étude étaient d'estimer l'incidence des pratiques cliniques de faible valeur et d'évaluer les variations inter hospitalières. Méthodes: Les recommandations des guides de pratique clinique identifiées dans une revue de la portée ont été analysées afin d'identifier les recommandations relatives aux pratiques qui devraient être évitées. Pour évaluer la variation inter hospitalière, nous avons utilisé des modèles linéaires généralisés multiniveaux pour générer des coefficients de corrélation intraclasse, à l'aide des données du registre de traumatologie du Québec sur toutes les admissions pour blessures pédiatriques (0-16 ans) de 2013 à 2020. Résultats: Nous avons identifié 18 pratiques de faible valeur, dont 11 ont pu être évaluées. Notre population d'études comprenait 14,137 patients dont 34 % étaient âgés de 12 ans et plus et 62% étaient des hommes. Trois pratiques présentaient des incidences > 10 % et des variations inter-hospitalières modérées à fortes: consultation neurochirurgicale pour traumatisme cérébral léger (TBI; 21%, ICC=11%), admission à l'hôpital en cas de TBI léger isolé (15%, ICC=20%), et admission à l'hôpital en cas de traumatisme abdominal par objet contondant isolé avec scanner négatif (26%, ICC=20%). Les incidences de l'imagerie de faible valeur, de l'admission en soins intensifs et de la prise en charge chirurgicale étaient toutes inférieures à 10%, mais les variations inter hospitalières de la reprise du scanner après le transfert, en cas de trauma crânien léger et l'admission en soins intensifs en cas de trauma crânien léger étaient modérées à élevées. Conclusion: Nous avons identifiés trois pratiques cliniques ayant une incidence élevée, présentant des variations inter hospitalières significatives. Ces pratiques peuvent être ciblées pour des interventions de désadoptions. Cependant, nous devrions identifier les déterminants de ces pratiques ainsi que les obstacles et les facilitateurs de leur désadoptions.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".