Snowmobile trauma: 10 years' experience at Manitoba's tertiary trauma centre.
Notice bibliographique
Résumé
INTRODUCTION: According to the literature, the increased recreational use of the snowmobile has resulted in an increasing number of musculoskeletal injuries. We wished to examine whether previously described risk factors continue to be associated with snowmobile trauma and to identify previously unrecognized risks and specific patterns of injury. METHODS: We carried out a chart review of all snowmobile-related injuries over a 10-year period at the Health Sciences Centre in Winnipeg, the only level 1 trauma centre serving the Province of Manitoba, with particular attention to the risk factors of suboptimal lighting, excessive speed and alcohol consumption. RESULTS: We identified 480 injuries in 294 patients, and 81 (27.6%) of these patients died. Collisions accounted for 72% of the injury mechanisms. Of the injuries sustained, 31% occurred on roads. Excessive speed was a risk factor in 54% of patients, suboptimal lighting in 86% and a blood alcohol level greater than 0.08 in 70%. Musculoskeletal injuries accounted for 57% of those recorded. There were also brachial plexus injuries (3%) and knee dislocations (2%). To our knowledge, this is the largest study detailing injury associated with recreational use of snowmobiles in Canada. CONCLUSIONS: Because snowmobile trauma is caused principally by human errors, it is potentially preventable. Efforts aimed at prevention must focus on the driver, who controls the common risk factors. The danger of snowmobiling while intoxicated must be emphasized. Trail-side monitoring is likely to be ineffective, as the majority of accidents do not occur on designated snowmobile trails.
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) | 0,001 | 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 ».