Lost but not forgotten: patients lost to follow-up in a trauma database.
Notice bibliographique
Résumé
OBJECTIVES: To determine the characteristics of patients lost to follow-up and to identify if they are significantly different from those who are followed up in the context of a prospective randomized controlled trial. DESIGN: A retrospective review of a prospectively acquired trauma database. SETTING: A level 1 university-affiliated trauma hospital. PATIENTS: Two hundred and thirty-six patients treated for displaced intra-articular calcaneal fractures between April 1991 and December 1996. Of these, 198 were catcgorized as "attenders" and the remaining 38 were deemed "nonattenders." Demographics, severity of injury, intervention and post-treatment status of the 2 groups were compared. Demographic information, including age, gender, occupation workload, Workers' Compensation Board involvement and other standard trauma information were compared and the differences analyzed. RESULTS: The nonattenders were younger than the attenders, and there was a significantly increased proportion of Aboriginal Canadians in the nonattenders group. Attenders were more likely to be "skilled or semi-skilled clerical, sales, service or trades crafts" workers, and nonattenders were more likely to be "unskilled clerical, sales, service or labour" workers. Attenders were more likely to have a preoperative Bohler's angle of < 0 degrees, compared with a preoperative Bohler's angle of 0 degrees to 15 degrees for nonattenders. CONCLUSIONS: This trauma population is at higher risk of being marginalized by society and may not have the same accessibility to a study nurse or a hospital contact person. Patients lost to follow-up are a demographically and clinically different patient population from those who remain involved in a long-term prospective trauma study.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 0,001 |
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 ».