Novel policing techniques decrease gun-violence and the cost to the healthcare system
Notice bibliographique
Résumé
The objective was to investigate the effects of novel policing techniques on hospital-observed incidence, healthcare utilization, mortality and costs associated with gun violence, from the perspective of a level-1 trauma center. An eight-year retrospective review evaluating the clinical and financial effects of gunshot wound (GSW) encounters between January 1st, 2010 and December 31st, 2017. Individuals who presented to the emergency department (Level-1 trauma center in Camden, NJ) between January 1, 2010 and December 31, 2017 with GSW (995 encounters) were included; however, patients with incomplete financial or medical record data were excluded (55 encounters). Patients were subdivided into two cohorts: before and after changes in policing tactics (May 1st, 2013). 940 total firearm-related encounters were included in the study. Following the policing changes, the hospital-observed quarterly incidence of GSW encounters decreased by 22% post-policing changes, 44.3 to 34.6 (p = 0.038). Average quarterly days spent in-house for GSW treatment decreased 220.7 to 151.3 (31%) days. Hospital observed mortality increased from 13.5% of presentations to 17.3% of presentations (p = 0.106). Total cost savings associated with the policing change was roughly $254,000 per quarter (p = 0.023). In areas susceptible to high rates of gun violence, similar novel policing tactics could significantly decrease hospital-observed incidence, costs and healthcare utilization demanded by firearm-related injury.
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 | 0,008 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».