MétaCan
Menu
Retour à la cohorte
Enregistrement W2948405645 · doi:10.1136/bmjopen-2018-027576

External injuries, trauma and avoidable deaths in Agincourt, South Africa: a retrospective observational and qualitative study

2019· article· en· W2948405645 sur OpenAlexaff
Idara Edem, Anna Dare, Peter Byass, Lucia D’Ambruoso, Kathleen Kahn, Stephen Tollman, John Whitaker, Justine Davies

Notice bibliographique

RevueBMJ Open · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensCentre for Global Health ResearchUniversity of TorontoUniversity of Ottawa
Organismes subventionnairesEconomic and Social Research CouncilMedical Research CouncilDepartment for International DevelopmentKing's College LondonWellcome Trust
Mots-clésVerbal autopsyMedicineContext (archaeology)Observational studyHealth carePublic healthMedical emergencyCause of deathInjury preventionOccupational safety and healthPoison controlEnvironmental healthEmergency medicineFamily medicineNursingDisease

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Injury burden is highest in low-income and middle-income countries. To reduce avoidable deaths, it is necessary to identify health system deficiencies preventing timely, quality care. We developed criteria to use verbal autopsy (VA) data to identify avoidable deaths and associated health system deficiencies. SETTING: Agincourt, a rural Bushbuckridge municipality, Mpumalanga Province, South Africa. PARTICIPANTS: Agincourt Health and Socio-Demographic Surveillance System and healthcare providers (HCPs) from local hospitals. METHODS: A literature review to explore definitions of avoidable deaths after trauma and barriers to access to care using the 'three delays framework' (seeking, reaching and receiving care) was performed. Based on these definitions, this study developed criteria, applicable for use with VA data, for identifying avoidable death and which of the three delays contributed to avoidable deaths. These criteria were then applied retrospectively to the VA-defined category external injury deaths (EIDs-a subset of which are trauma deaths) from 2012 to 2015. The findings were validated by external expert review. Key informant interviews (KIIs) with HCPs were performed to further explore delays to care. RESULTS: Using VA data, avoidable death was defined with a focus on survivability, using level of consciousness at the scene and ability to seek care as indicators. Of 260 EIDs (189 trauma deaths), there were 104 (40%) avoidable EIDs and 78 (30%) avoidable trauma deaths (41% of trauma deaths). Delay in receiving care was the largest contributor to avoidable EIDs (61%) and trauma deaths (59%), followed by delay in seeking care (24% and 23%) and in reaching care (15% and 18%). KIIs revealed context-specific factors contributing to the third delay, including difficult referral systems. CONCLUSIONS: A substantial proportion of EIDs and trauma deaths were avoidable, mainly occurring due to facility-based delays in care. Interventions, including strengthening referral networks, may substantially reduce trauma deaths.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,478

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,140
Tête enseignante GPT0,434
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetTrauma and Emergency Care StudiesTravaux en français237 207