Close to home
Notice bibliographique
Résumé
BACKGROUND: Injury surveillance is critical in identifying the need for targeted prevention initiatives. Understanding the geographic distribution of injuries facilitates matching prevention programs with the population most likely to benefit. At the population level, however, the geographic site of injury is rarely known, leading to the use of location of residence as a surrogate. To determine the accuracy of this approach, we evaluated the relationship between the site of injury and of residence over a large geographic area. METHODS: Data were derived from a population-based, prehospital registry of persons meeting triage criteria for major trauma. Patients dying at the scene or transported to the hospital were included. Distance between locations of residence and of injury was calculated using geographic information system network analysis. RESULTS: Among 3,280 patients (2005-2010), 88% were injured within 10 miles of home (median, 0.2 miles). There were significant differences in distance between residence and location of injury based on mechanism of injury, age, and hospital disposition. The large majority of injuries involving children, the elderly, pedestrians, cyclists, falls, and assaults occurred less than 10 miles from the patient's residence. Only 77% of motor vehicle collision occurred within 10 miles of the patient's residence. CONCLUSION: Although the majority of patients are injured less than 10 miles from their residence, the probability of injury occurring "close to home" depends on patient and injury characteristics. LEVEL OF EVIDENCE: Epidemiologic study, level III.
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) | 0,000 | 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 ».