Road traffic injury in Lebanon: A prospective study to assess injury characteristics and risk factors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background Road traffic injury (RTI) is a significant yet poorly characterized cause of morbidity and mortality in the Middle East. This hospital‐based‐study examined RTI in Lebanon and provided an understanding of their characteristics. Methods We collected prospective RTI data from three participating hospitals over 3 months using a designed tool based on Canadian CHIRPP and WHO tools. We performed logistic regression analysis to examine the relationship between contributing risk factors (age, sex) and injury types as well as the association of safety measures used (seatbelts or helmets) and body parts injured. Results A total of 153 patients were collected. Male preponderance with 72%, with mean age 32.6 (SD = 14.9) years. RTI was highest among passengers aged 15 to 29 (48%). Motorcyclists comprised the greatest injury proportion (38%), followed by vehicle‐occupants (35%), and pedestrians (25%) ( P = .04). Hip injuries represented the most affected body part (48.7%), followed by head/neck (38.2%). Only 31% (n = 47) of victims applied safety measures (seatbelts or helmets). Six drivers (7%) reported cell phone use at collision. The use of safety measures was associated with a substantial reduction in head/neck injuries ( P = .03), spine injuries ( P = .049), and lower risk of traumatic brain injury (TBI) ( P = .02). Conclusions RTI is a major health problem in Lebanon. Safety measures, though poorly adhered to, were associated with less severe injuries, and should be further promoted via awareness campaigns and enforcement. Trauma registries are needed to assess the RTI burden and inform safety interventions and quality‐of‐care improvement programs.
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.
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 | 0,001 | 0,001 |
| 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 découle