Trends in self-reported traumatic brain injury among Canadians, 2005-2014: a repeated cross-sectional analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<h3>Background:</h3> Concussion and other traumatic brain injuries (TBIs) are a form of unintentional injury that has been associated with both short- and long-term health effects, including possible disability. We investigated time trends in the incidence of all types of injury and TBIs among Canadians, and assessed characteristics of TBIs. <h3>Methods:</h3> We used data from annual cycles of the Canadian Community Health Survey, 2005 to 2014, to examine all types of injury and TBI among Canadians aged 12 years or more. We estimated TBI incidence among respondents who reported any type of injury in the previous year. We used descriptive methods to describe key characteristics (sex, age, season, activity and venue) and 5- and 10-year trends, and generalized linear models to estimate annual percent change in the incidence of all types of injury and TBI. <h3>Results:</h3> The incidence of all types of injury and of TBIs increased between 2005 and 2014, with an annual percent change of 1.4 (95% confidence interval [CI] 0.9-1.9) and 9.6 (95% CI 8.2-11.0), respectively. Sport venues (39.9% [95% CI 32.7-47.1)] and sports-related activities (49.7% [95% CI 42.4-57.0]) were commonly associated with TBIs, and falls were the most frequent mechanism of injury (53.9% [95% CI 46.7-61.0]) leading to a TBI. <h3>Interpretation:</h3> Our findings highlight the increasing trends in all types of injury and TBIs in Canada, and underscore the need for ongoing population level surveillance and targeted prevention efforts to mitigate risk.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 découle