Health-Related Quality of Life (HRQoL) Outcomes Following Injury in Childhood and Adolescence Using EuroQol (EQ-5D) Responses with Pooled Longitudinal Data
Notice bibliographique
Résumé
BACKGROUND: Injury is a leading contributor to the global disease burden in children, affecting their health-related quality of life (HRQoL)-yet valid estimates of burden are absent. METHODS: = 2334). HRQoL post-injury was measured using the 3-level EQ-5D utility score (EQ-5D) and five health states (mobility, self-care, activity, pain, anxiety and depression (anxiety)). RESULTS: Mean EQ-5D post-injury did not return to baseline level (0.95) by 24 months (0.88) and was lower for females over time (-0.04, 95%CI -0.05, -0.02). A decreased adjusted risk ratio over time (ARR) was observed for intentional injuries (pain: 0.85, 95%CI 0.73,0.98; anxiety: 0.62, 95%CI 0.49,0.78); spinal cord injuries (mobility: 0.61, 95%CI 0.45,0.83), self-care: 0.76, 95%CI 0.63,0.91, activity: 0.64, 95%CI 0.47,0.88); moderate/severe traumatic brain injury (activity: 0.83, 95%CI 0.71,0.96). ARRs were also low for certain fractures, with various health states affected. CONCLUSIONS: HRQoL outcomes over time for children and adolescents post-injury differed across key demographic and injury related attributes. HRQoL did not reach levels consistent with full health by 24 months with recovery plateauing from 6 to 24 months. Tailored interventions are required to respond to the varying post-injury recovery trajectories in this population.
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 | 0,017 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,008 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».