MétaCan
Menu
Retour à la cohorte
Enregistrement W1560068257

Motorcycle-related trauma in Alberta: a sad and expensive story.

2009· article· en· W1560068257 sur OpenAlexaboutno aff
John P Monk, Richard Buckley, Dianne Dyer

Notice bibliographique

RevuePubMed · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInjury preventionMedical emergencyOccupational safety and healthPopulationPoison controlSuicide preventionEmergency medicineHuman factors and ergonomicsEnvironmental health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Trauma caused by motorcycle-related injuries is extensive, expensive and increasing. Recent American literature reported that in 2004 the chance of a motorcyclist dying was 34 times greater than that for someone using any other motor vehicle for every mile travelled. In the United Kingdom a motorcyclist is killed or seriously injured every 665,894 km, compared with 18,661,626 km for cars. If this pattern is repeated in Canada, then this information should be in the public domain to support initiatives for injury prevention. METHODS: We gathered and analyzed retrospective population data on the injury patterns of adult motorcyclists and other adult motor vehicle drivers and passengers across Alberta from Apr. 1, 1995, to Mar. 31, 2006. We collected data from 3 Alberta sources: the Alberta Trauma Registry, the Alberta Office of the Chief Medical Examiners and the Government of Alberta Department of Infrastructure and Transportation. We compared the numbers and causes of crashes, injuries and deaths, as well as the acute care costs on the roads, and specifically compared motorcycle-related injuries to all other motor vehicle-related injuries. RESULTS: There were 70,605 registered motorcycles and 2,748,204 other registered motor vehicles in Alberta during the study period. During these 11 years, there were 286 motorcyclists killed and 712 were severely injured, representing a total of 998 injuries and deaths. There was 5386 deaths related to other motor vehicles and 6239 severe injuries, for a total of 11,625 injuries and deaths. This represents a percentage of 1.4% of all registered motorcycles and 0.4% of all other registered motor vehicles (3.5 times more motorcyclist injuries). The impact on the health care system can be measured in several ways. During the period of this study, motorcyclists accounted for 10,760 bed days. Assuming the patient was not admitted to intensive care, each admission cost Can$9200 (average in 2008). CONCLUSION: Analysis of the data shows that motorcyclists are more than 3.5 times more likely to get injured or die than other motor vehicle drivers. All of the injuries in motorcyclists occurred during the summer months, leading to an adjusted risk of almost 8 times compared with that of the motor vehicle driver.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,006
Tête enseignante GPT0,166
Écart entre enseignants0,159 · 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 source (Gemma direct ou Codex distillé), 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

Citations26
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetTraffic and Road SafetyTravaux en français237 207