Trauma in northern Quebec, 2005–2014: epidemiologic features, transfers and patient outcomes
Notice bibliographique
Résumé
BACKGROUND: The Inuit people residing in Nunavik, Quebec, are vulnerable to major trauma owing to environmental and social factors; however, there is no systematic data collection for trauma in Nunavik, and, apart from data regarding patients who are transferred to tertiary care centres, no data enter the Quebec trauma registry directly from Nunavik. We performed a study to characterize the epidemiologic features of trauma in Nunavik, and describe indications for transfer and outcomes of patients referred to the tertiary trauma centre. METHODS: We collected data retrospectively for all patients with trauma admitted to the Centre de santé Tulattavik de l'Ungava in Kuujjuaq from 2005 to 2014. Sociodemographic, injury and health services data were extracted. The data were analyzed in conjunction with coroners' reports on death from trauma in Nunavik. RESULTS: A total of 797 trauma cases were identified. The most common causes of injury were motor vehicle collisions (258 cases [32.4%]), falls (137 [17.2%]) and blunt assault (95 [11.9%]). One-third of patients (262 [32.9%]) were transferred to the tertiary care centre in Montréal. The incidence rate of major trauma (Injury Severity Score > 12) was 18.1 and 21.7 per 10 000 person-years in the Kuujjuaq region and the Puvirnituq region, respectively, which translates to a relative risk (RR) of 4 compared to the Quebec population. The disparity observed in trauma mortality rate was even greater, with an RR of 47.6 compared to the Quebec population. CONCLUSION: The study showed major disparity in trauma incidence and mortality rate between Nunavik and the province of Quebec. Our findings allow for a better understanding of the burden of injury and regional trauma mortality in Nunavik, and recommendations for optimization of the trauma system in this unique setting.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».