Epidemiology of paediatric injuries in Rwanda using a prospective trauma registry
Notice bibliographique
Résumé
BACKGROUND: Child survival initiatives historically prioritized efforts to reduce child morbidity and mortality from infectious diseases and maternal conditions. Little attention has been devoted to paediatric injuries in resource-limited settings. This study aimed to evaluate the demographics and outcomes of paediatric injury in a sub-Saharan African country in an effort to improve prevention and treatment. METHODS: A prospective trauma registry was established at the two university teaching campuses of the University of Rwanda to record systematically patient demographics, prehospital care, initial physiology and patient outcomes from May 2011 to July 2015. Univariable analysis was performed for demographic characteristics, injury mechanisms, geographical location and outcomes. Multivariable analysis was performed for mortality estimates. RESULTS: Of 11 036 patients in the registry, 3010 (27·3 per cent) were under 18 years of age. Paediatric patients were predominantly boys (69·9 per cent) and the median age was 8 years. The mortality rate was 4·8 per cent. Falls were the most common injury (45·3 per cent), followed by road traffic accidents (30·9 per cent), burns (10·7 per cent) and blunt force/assault (7·5 per cent). Patients treated in the capital city, Kigali, had a higher incidence of head injury (7·6 per cent versus 2·0 per cent in a rural town, P < 0·001; odds ratio (OR) 4·08, 95 per cent c.i. 2·61 to 6·38) and a higher overall injury-related mortality rate (adjusted OR 3·00, 1·50 to 6·01; P = 0·019). Pedestrians had higher overall injury-related mortality compared with other road users (adjusted OR 3·26, 1·37 to 7·73; P = 0·007). CONCLUSION: Paediatric injury is a significant contributor to morbidity and mortality. Delineating trauma demographics is important when planning resource utilization and capacity-building efforts to address paediatric injury in low-resource settings and identify vulnerable populations.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».