Severe injury mechanisms in two paediatric trauma centres: Determination of prevention priorities
Notice bibliographique
Résumé
BACKGROUND: To meet community needs, injury prevention programs for children should be targeted to trends in objective data on mechanisms of injury. The aim of the present study was to identify the most important severe injury mechanisms. METHODS: The present study retrospectively reviewed severe paediatric trauma patients in two regional trauma centres. Injury prevention priority scores were computed using different severity measures - injury severity score (ISS), revised trauma score, trauma-related injury severity score, Glasgow Coma Scale (GCS) and mortality - to identify prevention priorities. RESULTS: A total of 3732 children with severe injury were identified; mean age (+/-SD) was 9.0+/-5.2 years and 2469 (66.2%) were boys. The GCS was 7 or lower in 209 patients (5.6%) and the median ISS was 9. Overall, there were 77 deaths (2.1%). 'Fall from height' was the most frequent mechanism of injury, and 'motor vehicle traffic injury' resulted in the most severe injury. The most significant mechanisms of injury, using ISS, were 'fall from height', 'motor vehicle traffic injury', 'pedestrian struck by motor vehicle', 'bicycle injuries' and 'child abuse'. Different priorities were identified depending on the severity measures used - 'fall from height' would be the priority with ISS, revised trauma score and trauma-related injury severity score; 'motor vehicle traffic injury' with mortality and 'drowning/submersion' with GCS. 'Fall from height' was the highest ranked mechanism of injury in one centre compared with 'motor vehicle traffic injury' in the other. Younger children tended to have injuries as a result of falls, while adolescents had more motor vehicle occupant injuries. Failure to use safety devices, such as helmets and seat belts, was a common finding among severely injured children. CONCLUSION: The present study shows that the severe injury prevention priorities identified vary depending on the severity measures used. The variations seen across age groups and between the two centres are also important factors that must be taken into account when developing prevention programs or considering research initiatives.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
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 ».