Emergency department injury surveillance and aetiological research: bridging the gap with the two-stage case–control study design
Notice bibliographique
Résumé
OBJECTIVE: To provide an overview of the two-stage case-control study design and its potential application to ED injury surveillance data and to apply this approach to published ED data on the relation between brain injury and bicycle helmet use. METHODS: Relevant background is presented on injury aetiology and case-control methodology with extension to the two-stage case-control design in the context of ED injury surveillance. The design is then applied to data from a published case-control study of the relation between brain injury and bicycle helmet use with motor vehicle involvement considered as a potential confounder. Taking into account the additional sampling at the second stage, the adjusted and corrected odds ratio and 95% confidence interval for the brain injury-helmet use relation is presented and compared with the estimate from the entire original dataset. Contexts where the two-stage case-control study design might be most appropriately applied to ED injury surveillance data are suggested. RESULTS: The adjusted odds ratio for the relation between brain injury and bicycle helmet use based on all data (n = 2833) from the original study was 0.34 (95% CI 0.25 to 0.46) compared with an estimate from a two-stage case-control design of 0.35 (95% CI 0.25 to 0.48) using only a fraction of the original subjects (n = 480). CONCLUSION: Application of the two-stage case-control study design to ED injury surveillance data has the potential to dramatically reduce study time and resource costs with acceptable losses in statistical efficiency.
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 | 0,013 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».