MétaCan
Menu
Retour à la cohorte
Enregistrement W3037774135 · doi:10.1002/car.2626

Financial Impact of Abusive Head Trauma to Age 17

2020· article· en· W3037774135 sur OpenAlexaff
Ryan Steinbeigle, Marilyn Barr, Ronald G. Barr, Ted R. Miller

Notice bibliographique

RevueChild Abuse Review · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChild Abuse and Related Trauma
Établissements canadiensChild and Family Research InstituteUniversity of British Columbia
Organismes subventionnairesAnnie E. Casey Foundation
Mots-clésGrandparentMedicineFinanceChild abuseFinancial securityFamily medicinePoison controlInjury preventionActuarial scienceBusinessMedical emergencyPsychology

Résumé

récupéré en direct d'OpenAlex

In order to illustrate the medical and financial impact arising from the care of a severely injured victim of abusive head trauma (AHT) from incident through to adulthood, a complete review of all medical financial files for the injured child beginning at the time custody of the child was transferred to the paternal grandparents (2.5 months of age) through to age 17 was conducted. Cost data were extracted from the insurance explanation of benefits or the family's bank statements. Costs were divided into seven categories and adjusted for inflation using the gross domestic product medical care deflator. Medical costs from 2.5 months to 18 years of age totaled $261 499, with $106 607 of out‐of‐pocket expenditures by the child's paternal grandparents and $154 892 covered by insurance. Costs were highly variable from year to year as reflected in the standard deviation of annual costs of $16 877. The cost of caring for a seriously injured victim of AHT is substantial. The costs may be highly variable and unpredictable from year to year making it difficult for families to plan financially. Key Practitioner Messages The financial impact of AHT on a family can be substantial and unaffordable. The financial impact for a family varies wildly from year to year. The often unaffordability of caring for a victim of AHT limits the quality and access to care in households with lower incomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,031
Tête enseignante GPT0,322
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild Abuse ReviewMême sujetChild Abuse and Related TraumaTravaux en français237 207