Subway-related trauma at a level 1 trauma centre in Toronto, Ontario
Notice bibliographique
Résumé
BACKGROUND: Given the rising prevalence of subways in combination with an increasing incidence of subway-related injuries, understanding subway-related trauma is becoming ever more relevant. The aim of this study was to characterize the potential causes, injury characteristics and outcomes of subway-related trauma at a level 1 adult trauma centre in Toronto, Ontario. METHODS: E-codes (X81, Y02, V050, V051 and W17). We then further screened for descriptions of subway-related injuries. Patients whose injuries did not involve a moving subway train were excluded. RESULTS: We identified 51 patients who presented to the emergency department after being hit by a moving subway train. The majority of incidents (39 [76%]) were due to self-harm, 10 (20%) were unintentional injuries, and 2 (4%) were due to assault. The presence of alcohol was detected in 8 patients (80%) with unintentional injuries and 3 (8%) of those with self-inflicted injuries. Thirteen patients (25%) had a systolic blood pressure less than 90 mm Hg. The median Injury Severity Score was 17 (interquartile range 9-29). Seventeen patients (33%) presented with severe injuries (Abbreviated Injury Scale score ≥ 3) in 1 body region, and 19 (37%) had severe injuries in 2 or more body regions. The most common isolated severe injury was in the lower extremity, and the most common combinations of severe injuries were in the head and lower extremity, and head and thorax. Ten patients (20%) were declared dead in the emergency department. Of the 41 patients who survived their initial presentation, 12 (29%) went directly to the operating room, and 17 (41%) were transferred to the intensive care unit. The overall mortality rate was 29%. CONCLUSION: Patients with subway-related injuries experienced high mortality rates and severe injuries. Most incidents were due to self-harm or alcohol-related. Further research into early identification of those at risk and optimal prevention strategies is necessary to curb further incidents.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 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) | 0,009 | 0,001 |
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 ».