Traumatic spinal cord injury in military personnel versus civilians: a propensity score-matched cohort study
Notice bibliographique
Résumé
INTRODUCTION: Military personnel are exposed to mechanisms of bodily injuries that may differ from civilians. A retrospective cohort study (RCS) and a propensity score-matched cohort study (PSMCS) were undertaken to examine the potential differences in injury epidemiology, management and outcomes after spinal cord injury (SCI) between military personnel and civilians. METHODS: Using a Canadian multicentre SCI database, data of all individuals with sufficient data from October 2013 to January 2017 were included in the RCS (n=1043). In the PSMCS, a group of 50 military personnel with SCI was compared with a group of 50 civilians with SCI who were matched regarding sex, age, and level, severity and mechanism of SCI. RESULTS: In the RCS, military personnel with SCI (n=61) were significantly older and predominantl males when compared with civilians with SCI (n=982). However, the study groups were not statistically different with regards to their: level, severity and mechanisms of SCI; frequency of associated bodily injuries; and need for mechanical ventilation after SCI. In the PSMCS, the group of military individuals with SCI (n=50) was similar to the group of civilians with SCI (n=50) regarding pre-existing medical comorbidities, degree of motor impairment at admission, initial treatment for SCI and clinical and neurological outcomes after SCI. CONCLUSIONS: The results of these studies suggest that military SCI group has disproportionally older men at the time of injury compared with civilians with SCI. However, the military and civilian SCI groups had similar outcomes of alike initial treatment when both groups were matched regarding their demographic profile and injury characteristics.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».