Epidemiology of illnesses encountered during a marathon race – an EMS perspective
Notice bibliographique
Résumé
A total of 10,000 runners in the age group of 18-80 years, participated in the full (42.2 km) marathon, half (21.1 km) marathon and the 5 K run. Both trained and untrained runners took part in the race. Southern Indian city of Hyderabad, on the 24 of August from 5:00 AM to 1: 00 PM. Urban and semi-urban parts of the city with both paved and un-paved roads, maximum recorded temperature during the race was 35° Celsius. A prospective descriptive epidemiological analysis of race data of runners presenting with emergencies was done using a standardized patient data collection form given to medical aid providers. Triaging was done according to Canadian triage and acuity scale. Of 10,000 runners, 252 runners required medical assistance during the course of the race. Of all the patients presenting to EMS 248 were Triage priority 3 or 4 requiring urgent or less urgent care Exercise related musculoskeletal injuries accounted for 200 (79%) of the total cases Exercise related musculoskeletal injuries accounted for 200 (79%) of the total cases Dehydration related cramps accounted for 33 (13%) of the cases requiring oral or IV fluid rehydration Dehydration related cramps accounted for 33 (13%) of the cases requiring oral or IV fluid rehydration Terrain related blisters and foot injuries – 9 (3.5%) patients Terrain related blisters and foot injuries – 9 (3.5%) patients Vomitings - 4 (1.5%) Vomitings - 4 (1.5%) A total of 4 patients were triage priority 2 requiring Emergent care – Transported by EMS to the nearest tertiary care hospital. A 24 year old with symptomatic hypoglycaemia, requiring Dextrose infusion A 45 year old male with Altered mental status secondary to Heat exhaustion and hypotension requiring IV fluid resuscitation A 70 year old male with Hypotension and dizziness requiring IV fluid resuscitation A 23 year old girl who collapsed with hypotension and heat exhaustion requiring IV fluid resuscitation. Long-distance running can be a safe and benign sport; however there were serious heat related illnesses requiring hospitalization of runners in this study. A well prepared EMS system is paramount to hosting a marathon in India due to extreme temperatures and mass participation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».