Reducing Motor-Vehicle Collisions, Costs, and Fatalities by Treating Obstructive Sleep Apnea Syndrome
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
STUDY OBJECTIVES: Drivers suffering from obstructive sleep apnea syndrome (OSAS) have an increased risk for being involved in motor-vehicle collisions. This study estimates, for the first time, the annual OSAS-related collisions, costs, and fatalities in the United States and performs a cost-benefit analysis of treating drivers suffering from OSAS with continuous positive airway pressure (CPAP). DESIGN: The MEDLINE-PubMed database (1980 to 2003) was searched for information on OSAS. A meta-analysis was performed of studies investigating the relationship between collisions and OSAS. Data from the National Safety Council were used to estimate OSAS-related collisions, costs, and fatalities and their reduction with treatment. Next, the annual cost of treating OSAS with CPAP was calculated. Finally, multiple 1-way sensitivity analyses were performed. SETTING: N/A. PATIENTS OR PARTICIPANTS: N/A. INTERVENTIONS: N/A. MEASUREMENTS AND RESULTS: More than 800,000 drivers were involved in OSAS-related motor-vehicle collisions in the year 2000. These collisions cost 15.9 billion dollars and 1,400 lives in the year 2000. In the United States, treating all drivers suffering from OSAS with CPAP would cost 3.18 billion dollars, save 11.1 billion dollars in collision costs, and save 980 lives annually. CONCLUSION: Annually, a small but significant portion of motor-vehicle collisions, costs, and deaths are related to OSAS. With CPAP treatment, most of these collisions, costs, and deaths can be prevented. Treatment of OSAS benefits both the patient and the public.
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.
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) | 0,001 | 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 découle