Epidemiology of Traumatic Injuries at an Urban Hospital in Port‐au‐Prince, Haiti
Notice bibliographique
Résumé
BACKGROUND: Traumatic injuries represent a major burden of disease worldwide. Haiti lacks statistics on the epidemiology of traumatic injuries, as there is no formal injury surveillance program. This study will assess the burden of traumatic injuries in an urban trauma center in the capital city of Port-au-Prince, Haiti. METHODS: A retrospective, cross-sectional chart review study at an urban trauma hospital was carried out for the period December 1, 2015, to January 31, 2016. Data were obtained through the hospital's main patient logbook, medical charts, and trauma registry forms. Data on medical documentation, demographics, and injury characteristics were collected and analyzed using descriptive statistics. RESULTS: A total of 410 patients were evaluated for treatment of traumatic injuries during the 2-month study. The mean age in years was 30, with 66.3% male and 78.4% less than 41 years of age. There were 6.6 injuries per day and no correlation between frequency of injury and day of the week. Road traffic accidents accounted for 43.0% of trauma modes. The mean and median length of stay were 6.6 and 3.0 days. 9.0% of patients suffered severe trauma (ISS ≥ 16). 21.0% of patients with traumatic brain injury suffered severe head injuries. Extremity trauma was the most frequently injured anatomical region (50.0%). 22.7% of patients were admitted, and 15.1% patients underwent at least one surgical procedure. CONCLUSIONS: Road traffic accidents are the primary reason for injury; thus, prevention initiatives and improved trauma care may provide substantial public health benefits.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 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 ».