Trauma care and referral patterns in Rwanda: implications for trauma system development
Notice bibliographique
Résumé
BACKGROUND: Trauma remains a leading cause of death worldwide. The development of trauma systems in low-resource settings may be of benefit. The objective of this study was to describe operative procedures performed for trauma at a tertiary care facility in Kigali, Rwanda, and to evaluate geographical variations and referral patterns of trauma care. METHODS: We retrospectively reviewed all prospectively collected operative cases performed at the largest referral hospital in Rwanda, the Centre Hospitalier Universitaire de Kigali (CHUK), between June 1 and Dec. 1, 2011, for injury-related diagnoses. We used the Pearson χ² and Fisher exact tests to compare cases arising from within Kigali to those transferred from other provinces. Geospatial analyses were also performed to further elucidate transfer patterns. RESULTS: Over the 6-month study period, 2758 surgical interventions were performed at the CHUK. Of these, 653 (23.7%) were for trauma. Most patients resided outside of Kigali city, with 337 (58.0%) patients transferred from other provinces and 244 (42.0%) from within Kigali. Most trauma procedures were orthopedic (489 [84.2%]), although general surgery procedures represented a higher proportion of trauma surgeries in patients from other provinces than in patients from within Kigali (28 of 337 [8.3%] v. 10 of 244 [4.1%]). CONCLUSION: To our knowledge, this is the first study to highlight geographical variations in access to trauma care in a low-income country and the first description of trauma procedures at a referral centre in Rwanda. Future efforts should focus on maturing prehospital and interfacility transport systems, strengthening district hospitals and further supporting referral institutions.
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 ».