MétaCan
Menu
Retour à la cohorte
Enregistrement W2615157049 · doi:10.1093/pch/pxx042

The Canadian Hospital Injury Reporting and Prevention Program: Captured versus uncaptured injuries for patients presenting at a paediatric tertiary care centre

2017· article· en· W2615157049 sur OpenAlexaffabout
Michael Butler, Sandra M. Newton, Shannon MacPhee

Notice bibliographique

RevuePaediatrics & Child Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensIzaak Walton Killam Health CentreDalhousie University
Organismes subventionnairesnon disponible
Mots-clésTriageMedicineInjury preventionOccupational safety and healthPopulationEmergency medicineHarmMedical emergencyLogistic regressionPoison controlRetrospective cohort studyEmergency departmentNursingSurgeryPsychologyEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The Canadian Hospital Injury Reporting and Prevention Program (CHIRPP) is an injury surveillance program that informs prevention policy locally and nationally. It is of import that it is reflective of the underlying population. The objective of this study was to describe differences between those injuries that were captured by the program, and those that were not. METHODS: This was a retrospective chart review of patients presenting with an injury to the IWK Health Centre between January 12, 2013 and June 30, 2013. The patients (or their parents/guardians) either completed a CHIRPP form (captured injuries), or did not (non-captured). The probability of receiving a CHIRPP form was modelled using logistic regression using patients' age, gender, disposition, Canadian Triage Assessment Scale (CTAS) score and activity/event at time of injury. RESULTS: A total of 2928 patients presented with an injury during the study period. Of these, 2135 (72.9%) were captured by the CHIRPP program and 793 (27.1%) were not. Patients (or parents) not returning the form to the department (465/793, 58.6%) represented the largest source of non-capture. The likelihood of non-capture increased with increasing CTAS score, the patient being admitted, and the following events at time of injury: drugs or overdoses, self-harm and foreign body involvement. CONCLUSION: There is an under-representation of seriously injured patients by CHIRPP at the IWK. This data may underestimate the true severity of injuries. It may also under-represent injuries that involve incidents of self-harm or drugs. Effort must be expended to increase the capture rate of CHIRPP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,521

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,335
Écart entre enseignants0,317 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomainePrésentation des résultats
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetInjury Epidemiology and PreventionTravaux en français237 207