Epidemiological patterns of traumatic brain injury identified in the emergency department in Ontario, 2002-2010
Notice bibliographique
Résumé
Background: Traumatic brain injury (TBI) is the leading cause of traumatic death and disability, and most TBIs are treated in the Emergency Department (ED). We examined the incidence and epidemiological patterns of TBIs presenting to Ontario EDs over an eight-year period. Methods: All TBI-related ED visits between April 2002 and March 2010 were identified using a population-based database that is mandatory for ambulatory care facilities in Ontario. Incidence rates were reported across multiple strata, including age group, sex, and mechanism of injury. Results: From 2002-2010, there were 1,032,249 ED visits for TBI in Ontario. Peak rates occurred among young children ages 0-4 (349 per 10,000) and elderly adults ages 85+ (243 per 10,000). Overall, males experienced a 53% greater rate of TBI compared to females. Falls (47%), motor vehicle crashes (MVC; 10%), and sports-related injuries (9%) were the most common causes of TBI. The highest rates of TBI-related falls, MVCs, and sports-related injuries occurred among young children (0-4) and elderly adults (85+), adolescents/young adults (15-24), and children (5-14), respectively. Conclusions: Our study reveals a substantial health system burden associated with TBI in the ED setting, underscoring the need for enhanced surveillance and prevention efforts targeted to vulnerable demographic groups.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».