Comparative study on National Burn Registry in America, England, Australia and Iran
Notice bibliographique
Résumé
CONTEXT: Iran experiences a high rate of burns accompanied by painful consequences, death and a lot of disabilities. In order to reduce the burden of this injury, some strategies such as designing and implementation of registration systems are essential. AIMS: The aim of this study was to compare National Burn Registry in America, England, Australia and Iran. MATERIALS AND METHODS: This study was comparative-descriptive in which data collected from the National Burn Registry of America, England, Australia and Iran studied in 2013. The study population included National Burn Registry of these countries and data was collected using raw data forms. STATISTICAL ANALYSIS USED: Data on each country was categorized according to objectives and comparisons took place using comparative tables. Finally, descriptive-theoretical analysis of the findings was performed. RESULTS: National Security Agency and National Burn Repository in America, National Institute of Health and the Ministry of Health in England and the Department of Health and Senior in Australia are responsible for national burning registry. A seven-axial model was proposed for Iran's National Registry. America's registry system is broader than other countries due to its cooperation with Canada, Sweden and Asia. CONCLUSION: The aim of the Burn Registry System is to gather, store, edit, categorize, analyze and distribute all burns, injured data from all health care centers in a specific population and provide valuable information about the occurrence, time and regional distribution of burn injury.
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 | 0,001 | 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) | 0,000 | 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 ».