Traumatic spinal cord injuries – incidence, mechanisms and course
Notice bibliographique
Résumé
BACKGROUND: The primary purpose of this article is to provide an overview of demography, neurological level of injury, extent of lesion, incidence, prevalence, injury mechanisms as well as lethality and causes of death associated with traumatic spinal cord injuries. MATERIAL AND METHOD: A literature search was carried out in PubMed, with the search words "traumatic spinal cord injury"/"traumatic spinal cord injuries" together with "epidemiology", and "spinal cord injury"/"spinal cord injuries" together with "epidemiology". RESULTS: The reported annual incidence of traumatic spinal cord injuries varies from 2.3 per million in a study from Canada to 83 per million in Alaska. The prevalence is given as ranging from 236 per million in India to 1800 per million in the USA. The average age at the time of injury varies from 26.8 years in Turkey to 55.5 years in the USA. The ratio of men to women varies from 0.9 in Taiwan to 12.0 in Nigeria. The most frequent cause of injury is traffic accidents, followed by falls, violence and sports/leisure activity incidents. Patients with traumatic spinal cord injuries have a higher lethality than the normal population. The most frequent causes of death today are airway problems, heart disease and suicide. INTERPRETATION: There are large geographical differences in reported incidence, prevalence and lethality. This is attributable to differences in definition, inclusion, classification and patient identification procedures in the various studies, together with geographical and cultural differences and differences in prehospital and hospital treatment.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».