Temporal trends in vascular trauma in Ontario, 1991-2009: a population-based study
Notice bibliographique
Résumé
BACKGROUND: Vascular injuries add substantial complexity to trauma care, yet Canadian epidemiologic data on such injuries are not readily available. We conducted a retrospective cross-sectional study to examine temporal trends in the rate of hospital admissions for vascular injuries from 1991 to 2009 in Ontario. METHODS: Individuals of any age admitted to hospital because of vascular trauma in Ontario were included. Details of vascular injury and patient demographic characteristics were recorded, hospital admission rates estimated and analyses stratified by sex, age, mechanism of injury, economic status and geographic location. Time-series analysis was used to examine trends in hospital admission rates. RESULTS: Of the 8252 hospital admissions for vascular trauma, 4287 (52.0%) involved injuries to the upper limb and 1819 (22.0%) were due to transport-related causes. Overall, the annual rate declined significantly over time, from 3.3 per 100 000 in 1991 to 2.7 per 100 000 in 2009 (p < 0.01). The subgroups with the highest rates were young men, patients with a low economic status and those living in a rural location. Declines occurred in both sexes and in all age groups except those 65 years and older. The rates of vascular injury to the neck, thorax, upper limbs and lower limbs declined over time, but not the rate of abdominal vascular injury. Although the rate of non-transport-related vascular injuries declined, the rate of transport-related vascular injuries did not change significantly over time. Decreases in annual rates occurred in both low- and high-economic status groups and in urban populations but not in rural populations. INTERPRETATION: Overall, the annual rate of hospital admissions for vascular trauma declined significantly in Ontario over the study period. Our findings have important implications for public health and the development of injury-prevention strategies, particularly for population subgroups at high risk of vascular injury.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».