The Economic and Social Burden of Traumatic Injuries: Evidence from a Trauma Hospital in Port‐au‐Prince, Haiti
Notice bibliographique
Résumé
INTRODUCTION: The cost of traumatic injury is unknown in Haiti. This study aims to examine the burden of traumatic injury of patients treated and evaluated at a trauma hospital in the capital city of Port-au-Prince. METHODS: A retrospective cross-sectional chart review study was conducted at the Hospital Bernard Mevs Project Medishare for all patients evaluated for traumatic injury from December 2015 to January 2016, as described elsewhere (Zuraik and Sampalis in World J Surg, https://doi.org/10.1007/s00268-017-4088-2 , 2017). Direct medical costs were obtained from patient hospital bills. Indirect and intangible costs were calculated using the human capital approach. RESULTS: A total of 410 patients were evaluated for traumatic injury during the study period. Total costs for all patients were $501,706 with a mean cost of $1224. Indirect costs represented 63% of all costs, direct medical costs 19%, and intangible costs 18%. Surgical costs accounted for the majority of direct medical costs (29%). Patients involved in road traffic accidents accounted for the largest number of injuries (41%) and the largest percentage of total costs (51%). Patients with gunshot wounds had the highest total mean costs ($1566). Mean costs by injury severity ranged from $62 for minor injuries, $1269 for serious injuries, to $13,675 for critical injuries. CONCLUSION: Injuries lead to a significant economic burden for individuals treated at a semi-private trauma hospital in the capital city of Port-au-Prince, Haiti. Programs aimed at reducing injuries, particularly road traffic accidents, would likely reduce the economic burden to the nation.
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 | 0,000 |
| 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 ».