Évaluation des inégalités sociales de santé des traumatisés de la route à Ouagadougou au Burkina Faso
Notice bibliographique
Résumé
INTRODUCTION: Each year, more than 1.2 million deaths in the world are due to road accidents. It is the leading cause of mortality in young people between the ages of 15 and 29 years. Road accidents and associated injuries have a major impact on health and development. Many international reports have evaluated the mortality and morbidity related to road accidents, but these studies are based on limited data, often with limited robustness. Based on a study conducted in Ouagadougou, the capital of Burkina Faso, to estimate the mortality and morbidity of road accident victims, the objective of this article was to evaluate social, spatial and health inequalities of populations killed or injured as a result of a road accident. METHODS: Between February and July 2015, all road accidents were recorded by policemen using a mobile telephone data collection system, including geolocation of accidents. Three quantitative and prospective survey phases were then performed on injured patients admitted to Yalgado Ouedraogo hospital, the reference centre for these patients. RESULTS: A total of 1,867 emergency department admissions were reported. The majority (95%) of road accident victims were vulnerable users. More than 30% of accidents occurred in one central quarter and two peripheral quarters. The mean management time as 1 hour 3 minutes for victims rescued by firemen and 3 hours 10 minutes for those who attended the emergency department on their own. The mean total cost of management was 126,799 CFA francs (€193) [400-2,000,000 CFA francs]. DISCUSSION: These results identify possible actions designed to reduce road accident injuries and their consequences. They demonstrate that the creation of surveillance systems common to police forces, rescue and health care services are essential to produce convincing data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».