Neurotrauma in the Syrian War: Analysis of 41,143 cases from July 2013-July 2015
Notice bibliographique
Résumé
Abstract Introduction: Despite nearly a decade of conflict, little is known about trauma and injuries resulting from the Syrian war. Methods: Secondary analysis was conducted of an administrative dataset of patient presentations to a network of 95 war-affected hospitals in Syria from July 2013 - July 2015. Logistic regression was performed to identify factors associated with mortality of neurotrauma patients. Results: Of 193,618 overall trauma presentations, 41,143 were for neurotrauma (37,410 head trauma, 1,407 spinal trauma and 3,133 peripheral nervous system). There were 31,359 males (76.2%) and 9,784 females (23.8%). Males aged 19-30 years (10,113; 24.6%) were the largest single demographic group. Presumed non-combatants including females, elders and children under 13 years (16,214; 39.4%) were the largest group of patients overall. There were 16,881 (41.0%) presentations with blunt injuries (blunt/crush injuries) and 21,307 (51.8%) patients with penetrating injuries (shrapnel, cut, gunshot). A total of 36,589 patients (89.6%) were treated and discharged from the hospital, 2,100 (5.1%) were transferred to another facility, 2,050 patients (5.0%) died in-hospital, 26 remained in the hospital (0.1%), 108 (0.3%) had unknown disposition. The median length of hospital stay was 1 day. There were 4,034 (9.7%) neurosurgical procedures documented. Patients with combined neurotrauma and general trauma suffered 30 times higher mortality than neurotrauma alone (aOR: 30.4; 95%CI: 20.8-44.2, p<0.0001). Conclusion: The Syrian War resulted in large volumes of neurotrauma patients. Presumed non-combatants comprised 39.4% of patients who survived to treatment at a facility. Further study is needed on long-term needs of neurotrauma victims of the Syrian war.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,006 |
| 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 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 ».