569 Burn Registries State of Affairs: A Scoping Review
Notice bibliographique
Résumé
Abstract Introduction Registry science applies observational study designs to interpret large secondary databases. It can be utilized to understand disease and injury, answer research questions, inform regulatory decision making, and engender benchmarking of quality-of-care indicators. Numerous burn registries exist globally, however their contributions to the science of burn epidemiology, care and treatment have not been summarized. The objective of this study is to characterize the available literature on burn registries. Methods We conducted a scoping review, having registered the protocol a priori. A comprehensive literature search across several databases, including the grey literature, was carried out. Studies of all methodological designs were included provided they utilized, analyzed, and/or critiqued burn registry data. Pilot projects from registries in development were included as well. Studies involving non-burn specific registries or registries from a single burn centre were excluded. Results Two hundred and sixty-eight studies were included, encompassing 16 existing burn registries. Although registry science has been used to investigate burn care since 1970, the majority of studies were published after 2007. Most studies utilized the American Burn Association Burn Registry or one of its previous versions (75.7%) and the Burns Registry of Australia and New Zealand (10.4%). Main limitations of existing registries are the inclusion of patients admitted to burn centres only, deficient capture of outpatient and long-term outcome data, and lack of data standardization across registries. Conclusions Registries are an invaluable source of data for research, delivery of care planning, and benchmarking of processes and outcomes. Efforts should be made to stimulate other jurisdictions to build and maintain burn registries, to incorporate data linkage from administrative and other secondary databases, and to standardize data collection, in order to maximize the potential of registry science in burn care.
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 | 0,038 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,051 | 0,046 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».