Predictors of mortality available at emergency department arrival in massively transfused trauma patients without severe TBI: A single-center retrospective cohort study.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
Trauma patients requiring massive transfusion have mortality exceeding 40%, yet early risk-stratification tools for this population remain limited. We evaluated readily available predictors of mortality in massively transfused trauma patients, excluding those with severe traumatic brain injury (TBI) to focus on a hemorrhage-predominant cohort. This single-center retrospective cohort study included trauma patients who received massive transfusion at Chonnam National University Hospital between January 2018 and December 2023. Patients with severe TBI (Head Abbreviated Injury Scale [AIS] ≥ 4) were excluded. Three sequential multivariate logistic regression models were constructed: a primary model using variables available at emergency department (ED) arrival, a secondary model adding laboratory values, and an exploratory model incorporating early transfusion course variables. Of 172 massively transfused trauma patients, 124 met inclusion criteria (Head AIS < 4). Overall mortality was 41.1% (51/124), with 24-hour mortality of 23.7% (28/118). The Glasgow Coma Scale (GCS) was the strongest independent predictor across all models (OR = 0.77-0.79 per point, p < 0.001). In the primary ED arrival model (AUC = 0.770), GCS was the sole significant predictor; GCS alone achieved a comparable AUC of 0.771. The exploratory model incorporating transfusion variables achieved the highest discrimination (AUC = 0.828). All models showed adequate calibration (Hosmer-Lemeshow p > 0.05). Mortality decreased with longer time-to-first-transfusion (54.5% for ≤15 min vs. 23.7% for >60 min, trend p = 0.007), reflecting confounding by indication. In massively transfused trauma patients without severe TBI, GCS assessed at ED arrival is the single most informative predictor of mortality, enabling risk stratification before laboratory results become available. Metabolic acidosis markers and coagulopathy were strongly associated with mortality on univariate analysis but added no independent predictive value beyond GCS. Time-to-first-transfusion appeared to reflect hemorrhage acuity rather than a modifiable prognostic factor.
نتیجه فارسی
این مطالعه نشان میدهد که در بیماران مصدوم نیازمند ترانسفوزی انبوه بدون آسیب مغزی شدید، مقیاس گلاسکو (GCS) در زمان ورود به اورژانس تنها و قویترین پیشبینیکننده مرگومیر است. نتایج آزمایشگاهی و متغیرهای ترانسفوزی اولیه ارزش پیشبینی مستقل بیشتری نسبت به GCS ندارند. زمان تا ترانسفوزی اولیه با مرگومیر مرتبط است، اما احتمالاً بازتابدهنده شدت هموراژی است تا یک عامل قابل تغییر.
- GCS در زمان ورود به اورژانس قویترین پیشبینیکننده مستقل مرگومیر است.
- اسیدمتابولیک و هموراژی همبستگی قوی با مرگومیر دارند اما ارزش پیشبینی مستقل اضافی ارائه نمیدهند.
- مدلهای پیشبینی بر اساس متغیرهای در دسترس در اورژانس (AUC ۰٫۷۷) عملکرد قابل قبولی دارند.
- زمان تا ترانسفوزی اولیه با مرگومیر مرتبط است، اما احتمالاً ناشی از تداخل ناشی از نشانگان است.
- این مطالعه بر بیماران بدون TBI شدید تمرکز دارد تا بر روی هموراژی تمرکز شود.
ترجمه فارسی چکیده
میزان مرگومیر در بیماران مصدوم نیازمند ترانسفوزی انبوه از ۴۰٪ فراتر میرود، اما ابزارهای رتبهبندی ریسک زودهنگام برای این جمعیت محدود باقی مانده است. ما پارامترهای در دسترس مرگومیر را در بیماران مصدوم نیازمند ترانسفوزی انبوه، با حذف کسانی که آسیب مغزی شدید (TBI) داشتند، ارزیابی کردیم تا بر روی یک کوهورت غالباً هموراژیک تمرکز کنیم. این مطالعه کوهورت بازگشتنگرانه تکمرکزی شامل بیماران مصدوم بود که در بیمارستان دانشگاه چونام ملی بین ژانویه ۲۰۱۸ و دسامبر ۲۰۲۳ ترانسفوزی انبوه دریافت کردند. بیماران با TBI شدید (AIS سرhead ≥ ۴) حذف شدند. سه مدل رگرسیون لجستیک چندمتغیره متوالی ساخته شد: یک مدل اولیه با متغیرهای در دسترس در زمان ورود به اورژانس، یک مدل ثانویه با اضافه کردن مقادیر آزمایشگاهی، و یک مدل اکتشافی با متغیرهای مسیر ترانسفوزی اولیه. از ۱۷۲ بیمار مصدوم نیازمند ترانسفوزی انبوه، ۱۲۴ معیارهای ورود را برآورده کردند (AIS سرhead < ۴). میزان مرگومیر کلی ۴۱٫۱٪ (۵۱/۱۲۴) بود، و میزان مرگومیر ۲۴ ساعته ۲۳٫۷٪ (۲۸/۱۱۸). مقیاس گلاسکو (GCS) قویترین پیشبینیکننده مستقل در تمام مدلها بود (OR = ۰٫۷۷-۰٫۷۹ به ازای هر نمره، p < ۰٫۰۰۱). در مدل اولیه ورود به اورژانس (AUC = ۰٫۷۷۰)، GCS تنها پیشبینیکننده معنیدار بود؛ GCS به تنهایی AUC قابل مقایسه ۰٫۷۷۱ را به دست آورد. مدل اکتشافی که متغیرهای ترانسفوزی را در بر میگرفت بالاترین تفکیکپذیری را داشت (AUC = ۰٫۸۲۸). تمام مدلها همتناسب مناسب نشان دادند (Hosmer-Lemeshow p > ۰٫۰۵). مرگومیر با افزایش زمان تا ترانسفوزی اولیه کاهش یافت (۵۴٫۵٪ برای ≤۱۵ دقیقه در مقابل ۲۳٫۷٪ برای >۶۰ دقیقه، trend p = ۰٫۰۰۷)، که بازتابدهنده تداخل ناشی از نشانگان است. در بیماران مصدوم نیازمند ترانسفوزی انبوه بدون TBI شدید، GCS ارزیابی شده در زمان ورود به اورژانس تنها پیشبینیکننده اطلاعرسانیترین مرگومیر است، که امکان رتبهبندی ریسک قبل از اینکه نتایج آزمایشگاهی در دسترس شوند را فراهم میکند. نشانههای اسیدمتابولیک و هموراژی همبستگی قوی با مرگومیر در تحلیل تکمتغیره داشتند، اما هیچ ارزش پیشبینی مستقل اضافی به جز GCS ارائه نکردند. زمان تا ترانسفوزی اولیه به نظر میرسد بازتابدهنده شدت هموراژی به جای یک عامل پیشبینی قابل تغییر باشد.
روش پژوهش
این مطالعه کوهورت بازگشتنگرانه تکمرکزی شامل بیماران مصدوم بود که در بیمارستان دانشگاه چونام ملی بین ژانویه ۲۰۱۸ و دسامبر ۲۰۲۳ ترانسفوزی انبوه دریافت کردند. بیماران با TBI شدید (AIS سرhead ≥ ۴) حذف شدند. سه مدل رگرسیون لجستیک چندمتغیره متوازی ساخته شد.
محدودیتها
این مطالعه بازگشتنگرانه و تکمرکزی است و نتایج ممکن است در سایر مراکز اعتبار نداشته باشد. زمان تا ترانسفوزی اولیه ممکن است ناشی از تداخل ناشی از نشانگان باشد.
نمای PICO و پیامدها
- جمعیت
- بیماران مصدوم نیازمند ترانسفوزی انبوه (n=124) در بیمارستان دانشگاه چونام ملی که TBI شدید (AIS سرhead < ۴) نداشتند.
- مداخله/مواجهه
- ترانسفوزی انبوه (Massive transfusion) و متغیرهای در دسترس در زمان ورود به اورژانس.
- مقایسه
- مدلهای رگرسیون لجستیک متوالی (اولیه، ثانویه و اکتشافی).
- حجم نمونه
- ۱۷۲ بیمار مصدوم نیازمند ترانسفوزی انبوه (۱۲۴ مورد شامل معیارهای ورود).
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل