Increasing Incidence of Concussion: True Epidemic or Better Recognition?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To provide updated estimates of the incidence of concussion from all causes diagnosed by all physicians in a large jurisdiction, as previous studies have examined only single causes of injury or from smaller specific populations. DESIGN: Physician Billing and National Ambulatory Care Reporting System (NACRS) databases were used to identify all Ontario residents with a diagnosis of concussion (ICD-9 850.0 and ICD-10 S06.0) made by physicians between 2008 and 2016, excluding those with moderate to severe traumatic brain injury. RESULTS: In total, 1 330 336 people were diagnosed with a concussion between 2008 and 2016. The annual average was 147 815, and 79% were diagnosed in the emergency department. The average annual incidence was 1153 per 100 000 residents. Incidence varied by age, sex, and geography; children younger than 5 years had the highest incidence of concussion, more than 3600 per 100 000 individuals of that age group. Males had higher incidence than females except in older than 65 years age groups. There was a Pearson correlation (+0.669) between sustaining a concussion and living in rural locations. CONCLUSION: The annual incidence of approximately 1.2% of the population is the highest rate of concussion ever reported thorough sampling methods and may represent a closer estimate of the true picture of concussion. Findings may inform future concussion treatment and healthcare planning.
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.
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 | 0,003 | 0,005 |
| 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) | 0,001 | 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 découle