Predictors of health-related quality of life following injury in childhood and adolescence: a pooled analysis
Notice bibliographique
Résumé
BACKGROUND: Injury is a leading contributor to the global disease burden in children and places children at risk for adverse and lasting impacts on their health-related quality of life (HRQoL) and development. This study aimed to identify key predictors of HRQoL following injury in childhood and adolescence. METHODS: Data from 2259 injury survivors (<18 years when injured) were pooled from four longitudinal cohort studies (Australia, Canada, UK, USA) from the paediatric Validating Injury Burden Estimates Study (VIBES-Junior). Outcomes were the Paediatric Quality of Life Inventory (PedsQL) total, physical, psychosocial functioning scores at 1, 3-4, 6, 12, 24 months postinjury. RESULTS: Mean PedsQL total score increased with higher socioeconomic status and decreased with increasing age. It was lower for transport-related incidents, ≥1 comorbidities, intentional injuries, spinal cord injury, vertebral column fracture, moderate/severe traumatic brain injury and fracture of patella/tibia/fibula/ankle. Mean PedsQL physical score was lower for females, fracture of femur, fracture of pelvis and burns. Mean PedsQL psychosocial score was lower for asphyxiation/non-fatal submersion and muscle/tendon/dislocation injuries. CONCLUSIONS: Postinjury HRQoL was associated with survivors' socioeconomic status, intent, mechanism of injury and comorbidity status. Patterns of physical and psychosocial functioning postinjury differed according to sex and nature of injury sustained. The findings improve understanding of the long-term individual and societal impacts of injury in the early part of life and guide the prioritisation of prevention efforts, inform health and social service planning to help reduce injury burden, and help guide future Global Burden of Disease estimates.
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 | 0,004 | 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 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 ».