Paediatric dog bite injuries: a 10‐year retrospective cohort analysis from Sydney Children's Hospital
Notice bibliographique
Résumé
BACKGROUND: Dog bite injuries are largely preventable yet present the most common animal related cause of hospitalisation. This study examines the demographics and clinical cost of patients with dog bite related injuries who presented to Sydney Children's Hospital (SCH) from 2010 to 2020. The results from our study will be used to raise awareness regarding the impact of dog bite injuries in our community. METHODS: Data was obtained from the SCH database using ICD-10-AM code W54.0, which captures all patients presenting to SCH with dog bite injuries from 2010 to 2020. A chart review was then performed to retrieve demographic data for analysis. Data analysis was performed using SAS® software version 9.4 and cost for each patient retrieved from the SCH clinical costing department. RESULTS: A total of 628 patients presented to SCH with dog bites during the study period. 273 (43.5%) patients received treatment in ED only with the remaining 355 (56.5%) patients admitted for treatment. The average age was 5.69 years old. There were 321 males (51.1%) and 307 females (48.9%). Facial and other head & neck injuries were most common (64.4%). Pitbull, Labrador and Rottweiler were the most commonly documented offending breeds (25%) with the family dog most likely to offend (49%). The mean clinical cost for per dog bite injury was $2968. CONCLUSION: As part of the largest single centre study exploring dog bite injuries, we expect that this study will stimulate potential public health campaigns targeted at educating parents and children on interacting with dogs to minimise these injuries.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».