Ten Years of All-Terrain Vehicle Injury, Mortality, and Healthcare Costs
Notice bibliographique
Résumé
BACKGROUND: All-terrain vehicles (ATVs) are increasing in popularity worldwide. The province of Alberta accounts for 25% of Canadian ATV sales. This study describes the epidemiology, outcomes, and associated healthcare costs for a decade of ATV traumatic injury incidents. METHODS: This is a retrospective population based cohort study using two provincial databases: the Alberta Trauma Registry and the Office of the Chief Medical Examiner of Alberta. Data for individuals aged 18 years or older with Injury Severity Score ≥ 12 or deaths between April 1, 1998, and March 31, 2008 were included. Healthcare costs were extrapolated using figures from a Level I trauma center. RESULTS: ATV incidents resulted in 459 serious trauma cases, 395 trauma center admissions (a total of 4,117 days), and a 17% mortality rate. Postdischarge care was required for nearly 30% of patients. Male patients aged 18 years to 19 years had the highest incidence (6.5 of 100,000 people). Head, neck, and cervical spine injuries were most common (59%) and predictive of mortality (relative risk [RR], 2.19; interquartile range [IQR], 1.35-3.54; p = 0.001). Vehicle rollovers (RR, 2.75; IQR, 1.13-6.70; p = 0.01), vehicle ejection (RR, 4.18; IQR, 1.70-10.32; p = 0.000), alcohol intake (RR, 2.33; IQR, 1.52-3.56; p = 0.000), helmet use (RR, 1.82; IQR, 1.11-3.02; p = 0.01), and incident location were predictive of mortality. CONCLUSIONS: Increasing rates of ATV-related serious trauma and death are described in young males riding without helmets after consuming alcohol. Serious injuries contributed to healthcare costs in excess of $6.5 million USD. Predictors of mortality include rider behaviors and mechanical factors. Prevention should include rider education and industry measures to improve ATV stability.
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 ».