Fireworks and Seafood Boils: The Epidemiology of Burns in Louisiana
Notice bibliographique
Résumé
Epidemiological trends provide a means for targeting efforts in burn prevention. There have been but few regional-specific studies concerning burns in the southern United States. This study describes burn injury trends experienced by a single burn center in Louisiana. We also investigate the temporal relationships of several activities informally known for having a high risk for burn injury among local providers. Data were retrospectively extracted from the records of all patients treated for burn injuries at the regional burn center from 2012 to 2018 in both inpatient and outpatient settings. Demographical data and burn injury characteristics were noted. A total of 6,498 patients were included (1,593 inpatient, 4,905 outpatient). The most common burn etiologies were scald and flame, with flame being associated with more severe injuries. Overall incidence was disproportionally high in males and children less than 4 years of age. Total incidence was highest in Caucasians, though African Americans held the highest annual incidence rate specific to this population. The most common situation at the time of burn injury involved the consumption or preparation of food or beverages. Significant variation was observed in the rates of different injury situations throughout the year. Notably, burns related to seafood, heating, and firework activity occurred more often during crawfish season, colder months, and the months of January and July, respectively. In addition to establishing preliminary trends, these data may be useful in guiding the development of future evidence-based prevention efforts to target the most detrimental burn injuries in this population.
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 | 0,005 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».