Changing epidemiology of assault victims in an emergency department participating in information sharing with police: a time series analysis
Notice bibliographique
Résumé
INTRODUCTION: Violent injury places a large burden on the NHS. We had implemented information sharing in our ED in 2007 and aimed to see which patient groups were most affected by information sharing, as this would provide clues as to how this complex intervention works. METHODS: Retrospective time series study of all the assault victims presenting for ED care between 2005 and 2014 at a single ED in England. RESULTS: 10 328 patients presented during the study period. There was a 37% decrease in the number of patients presenting after assault, consistent with national trends. The proportions of people arriving by ambulance, and the proportion of men did not change during the study period. There were no important changes in the age of our assault patients in this study. Greater, disproportionate, decreases in rates of violence were seen in patients who presented at the weekend up (incidence rate ratio (IRR)=0.57, 95% CI 0.50 to 0.64) versus weekdays (IRR=0.72; 95% CI 0.62 to 0.83) There were also disproportionately greater decreases over the study period in patients who were discharged with no hospital follow-up (IRR=0.51, 95% CI 0.45 to 0.56) versus those leading to either an inpatient admission (IRR=1.05, 95% CI 0.84 to 1.31) or outpatient follow-up (IRR=1.23, 95% CI 0.93 to 1.64). CONCLUSIONS: The epidemiology of violent injury at our institution has changed over the last 10 years and is most marked in a reduction of visits at the weekend, and in those who leave without follow up.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».