Patient Presentations and Medical Logistics at Full and Half Ironman Distance Triathlons
Notice bibliographique
Résumé
We describe logistical challenges, illness/injury rates, as well as medical and ambulance transfer rates (ATR) at an annual large-scale half/full triathlon in a remote location. Prospective observational study; registry data. Data on patient presentation rates, percentage of patients transferred by ambulance, transfer to hospital rates (TTHR), ATR, and medical usage rates were collected and analyzed. In total, 1923 athletes participated in the 2016 triathlon (1404 in the full-length race and 519 in the half) and 181 patient encounters were documented. The patient presentation rate (PPR) was 94 in 1000 patients, and 1.6% of patients seen onsite required offsite medical care. TTHR and ATR were 1.6 in 1000 and 0.5 in 1000, respectively. Gastrointestinal issues were the most common presentation (50/181; 27.6%), followed by musculoskeletal injury (46/181; 25.4%) and nonspecific dizziness (37/181; 20.4%). The incorporation of a coordinated event medical plan and team, with integrated on-course and at-finish coverage, may have minimized presentations of patients to local health care services; therefore, decreasing the effect on the local ambulance service and health infrastructure of the host community.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».