The evolution of trauma surgery at a high-volume Canadian centre: implications for public health, prevention, clinical care, education and recruitment
Notice bibliographique
Résumé
BACKGROUND: Trauma centres continue to evolve with respect to clinical care and their impact on public health. Despite improvements in patient outcomes, operative volumes, and therefore maintenance of surgical skills, has become a challenging issue. We sought to determine whether injury demographics and treatments at a high-volume centre changed over time. METHODS: We used the Alberta Trauma Registry to analyze all severely injured (injury severity score [ISS] ≥ 12) patient admissions over a 16-year period (1995-2011). RESULTS: Of the 12,879 severely injured patients requiring admission, there was a 1.5- fold increase in the annual admission rate despite population normalization (p = 0.001). Over the 16-year interval, patients were older with a subsequent lower mortality (p = 0.001) and length of hospital stay (p = 0.007). In patients with the most severe ISS (≥ 48), there was no change in mortality (27%, p = 0.26). In 2011, falls were the most common mechanism compared with motor vehicle crashes (41% v. 23%; p < 0.001); this was a complete reversal compared with 1995 (25% v. 41%). Motorized recreational vehicle and motorcycle injuries also increased (p < 0.001). The mean number of operations performed by trauma surgeons decreased (laparotomies: 67 [17%] in 1995 v. 47 [5%] in 2011, p < 0.001). Thoracotomies and tracheostomies remained unchanged (p = 0.19). CONCLUSION: Clinical care has improved despite an increasing overall volume of severely injured patient admissions. The number of operative interventions performed by trauma surgeons continues to decrease concurrent to a change in injury mechanisms. Despite these improvements, maintenance of technical skills among trauma surgeons has become an important issue.
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 | 0,001 |
| 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 | 0,000 |
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 ».