Establishing an injury indicator for severe paediatric injury
Notice bibliographique
Résumé
BACKGROUND: Routinely gathered injury data, such as hospitalisations, may be subject to variation from sources other than injury incidence. There is a need for an indicator that defines severe injury, which may be less vulnerable to fluctuations due to changes in care policies. The purpose of this study was to identify International Classification of Diseases-10 codes associated with severe paediatric injuries and to specify and validate a severe paediatric injury indicator. METHODS: Two data sets that included the ISS and the survival risk ratio were used to produce a list of diagnoses to define severe paediatric injury. The list was sent to trauma surgeons who classified each code as severe enough or not severe enough to require care in a trauma centre. The indicator was fully specified, then validated by using a different data set to validate the codes in a real-world situation. RESULTS: Sixty diagnoses were identified as representing severe paediatric injury. Following specification, the indicator was applied to an existing comprehensive data set of paediatric injuries. The decline in hospitalisation of paediatric injuries was significantly steeper for severe than non-severe injuries, suggesting that factors related to the decline in this trauma subset are unlikely to be related to changes in access or other components of trauma care delivery. CONCLUSIONS: This indicator can be used for the evaluation of trends in severe paediatric trauma and will help identify populations at risk. This research may inform policies and procedures for referrals of severe childhood injury to appropriate levels of care.
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 | 0,001 |
| 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 ».