Risk of Maltreatment-Related Injury: A Cross-Sectional Study of Children under Five Years Old Admitted to Hospital with a Head or Neck Injury or Fracture
Notice bibliographique
Résumé
OBJECTIVES: To determine the predictive value and sensitivity of demographic features and injuries (indicators) for maltreatment-related codes in hospital discharge records of children admitted with a head or neck injury or fracture. STUDY DESIGN: Population-based, cross sectional study. SETTING: NHS hospitals in England. SUBJECTS: Children under five years old admitted acutely to hospital with head or neck injury or fracture. DATA SOURCE: Hospital Episodes Statistics, 1997 to 2009. MAIN OUTCOME MEASURE: Maltreatment-related injury admissions, defined by ICD10 codes, were used to calculate for each indicator (demographic feature and/or type of injury): i) the predictive value (proportion of injury admissions that were maltreatment-related); ii) sensitivity (proportion of all maltreatment-related injury admissions with the indicator). RESULTS: Of 260,294 childhood admissions for fracture or head or neck injury, 3.2% (8,337) were maltreatment-related. With increasing age of the child, the predictive value for maltreatment-related injury declined but sensitivity increased. Half of the maltreatment-related admissions occurred in children older than one year, and 63% occurred in children with head injuries without fractures or intracranial injury. CONCLUSIONS: Highly predictive injuries accounted for very few maltreatment-related admissions. Protocols that focus on high-risk injuries may miss the majority of maltreated children.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».