The Burden of Spine Fractures in India
Notice bibliographique
Résumé
STUDY DESIGN: Prospective cohort study. OBJECTIVES: The objectives of this study were (1) to determine the characteristics of patients sustaining spinal trauma in India and (2) to explore the association between patient or injury characteristics and outcomes after spinal trauma. METHODS: In affiliation with the ongoing INternational ORthopaedic MUlticentre Study (INORMUS), 192 patients with spinal injuries were recruited during an 8-week period (November 2011 to June 2012) from 14 hospitals in India and followed for 30-days. The primary outcome was a composite of mortality, complications, and reoperation. This was regressed on a set of 13 predictors in a multiple logistic regression model. RESULTS: Most patients were middle-aged (mean age = 51.0 years; median age = 55.5 years; range = 18.0 to 72.0 years), male (60.4%), injured from falls (72.4%), and treated in a private setting (59.9%). Fractures in the lumbar region (51.0%) were most common, followed by thoracic (30.7%) and cervical (18.2%). More than 1 in 5 (21.6%) patients experienced a treatment delay greater than 24 hours, and 36.5% arrived by ambulance. Thirty-day mortality and complication rates were 2.6% and 10.0%, respectively. Care in the public hospital system (odds ratio [OR] = 6.7, 95% CI = 1.1-41.6), chest injury (OR = 11.1, 95% CI = 1.8-66.9), and surgical intervention (OR = 4.8, 95% CI = 1.2-19.6) were independent predictors of major complications. CONCLUSIONS: Treatment in the public health care system, increased severity of injury, and surgical intervention were associated with increased risk of major complications following spinal trauma. The need for a large-scale, prospective, multicenter study taking into account spinal stability and neurologic status is feasible and warranted.
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 | 0,001 |
| 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 ».