Prospektiv validering av SHOCKMATRIX Hemorrhage Predictive Model (SHOCKMATRIX)

Bakgrund: Hemorragisk chock är fortfarande den främsta orsaken till tidig förebyggbar död hos svårt skadade patienter. När en allvarlig blödning inträffar kort efter ett allvarligt trauma, och därmed definierar en tidig allvarlig blödning (ESH), blir hanteringen mycket utmanande. I detta sammanhang kan förbättring av kliniska beslut och förkortning av interventionstiden, känd som en kritisk slutpunkt, kräva utformning av innovativa verktyg för tidig upptäckt samt att studera deras integrering i den rutinmässiga vårdprocessen.

Syfte: En del av TRAUMATRIX-projektet som leds av Traumabase Group i samarbete med Capgemini Invent och flera forskningscentra (Ecole polytechnique, CNRS, EHESS), denna studie syftar till att externt validera en nyligen utvecklad maskininlärningsbaserad prediktiv modell för ESH hos traumapatienter . Denna modell, som tidigare tränats i en högkvalitativ traumadatabas vid namn Traumabase, erbjuder en specifik förmåga att hantera saknade värden.

Material och metoder: Minst 1500 vuxna traumapatienter från 8 franska traumacenter kommer att inkluderas under en sex-24 månaders period med ett retrospektivt och prospektivt urval. ESH kommer att vara vårt primära resultat, definierat som någon av följande händelser som inträffar inom de första timmarna av traumahantering: någon transfusion av packade röda blodkroppar (RBC) i återupplivningsrummet, eller transfusion som överstiger 4 RBC inom de första 6 timmarna, eller akut hemostatisk intervention (kirurgi eller interventionell radiologi), eller död i en entydig miljö av okontrollerad, objektiverad blödning. Data av intresse kommer att samlas in i två faser: (1) från den prehospitala fasen av traumahanteringen, där de variabler som behövs för att beräkna den algoritmiska förutsägelsen av ESH (10 ingångar) samt den kliniska förutsägelsen från den behandlande traumaledaren som tar emot i återupplivningsrummet ett förvarningssamtal från utskickscentralen, kommer att spelas in i realtid med hjälp av ett dedikerat användarvänligt smartphone-gränssnitt utvecklat av Capgemini Invent-teamen; (2) från en fördröjd fas där en klassisk inkludering i Traumabase® kommer att utföras för att hämta komponentvariablerna i ESH-kompositslutpunkten, och en feedbackundersökning kommer att skickas till traumateamen som är involverade i studien för att samla in ytterligare informativ data. Den prospektiva data som samlats in kommer vi att jämföra med en retrospektiv kohortprediktiv prestanda för två system, nämligen den kliniska traumaexperten kontra vår maskininlärningsbaserade prediktiva modell.