Injury-related deaths in the Ontario provincial trauma system: a retrospective population-based cohort analysis
Notice bibliographique
Résumé
BACKGROUND: Although Ontario has an established trauma system, it experiences a substantial burden of morbidity and mortality from injury. Our objective was to describe patterns of fatal injury in Ontario, with a focus on location of death (out of hospital, trauma or non-trauma centre) and receipt of surgical intervention before death. METHODS: We conducted a retrospective population-based cohort study using linked administrative data on fatal injuries in children and adults (no age restrictions) in Ontario between 2000 and 2016. We identified injury-related deaths in the Ontario Registrar General Death database. We developed descriptive statistics for injury characteristics and causes of death. We calculated the fatal injury incidence rate for each year of the study. The primary outcome was cause of death; the secondary outcome was receipt of surgical intervention. RESULTS: The analysis included 19 408 people. The mean annual incidence of fatal injury averaged 8.7 (95% confidence interval 7.7-9.6) per 100 000. The most common mechanisms of injury were motor vehicle collisions (12 065, 62.2%), followed by gunshot wounds (3134, 16.1%) and falls (2387, 12.3%). Deaths frequently occurred out of hospital (72.6%), rather than at a trauma centre (14.2%) or non-trauma centre (13.2%). Patients treated at trauma centres were significantly more likely to receive a surgical intervention (standardized difference 0.6) than those treated at non-trauma centres. INTERPRETATION: Most injury deaths in Ontario occur in the out-of-hospital setting or are managed at non-trauma centres; many patients receive no surgical intervention before death. There are likely opportunities to improve access to specialized injury care in Ontario's trauma system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».