Sex-disaggregated analysis of the injury patterns, outcome data and trapped status of major trauma patients injured in motor vehicle collisions: a prespecified analysis of the UK trauma registry (TARN)
Notice bibliographique
Résumé
OBJECTIVES: To identify the differences between women and men in the probability of entrapment, frequency of injury and outcomes following a motor vehicle collision. Publishing sex-disaggregated data, understanding differential patterns and exploring the reasons for these will assist with ensuring equity of outcomes especially in respect to triage, rescue and treatment of all patients. DESIGN: We examined data from the Trauma Audit and Research Network (TARN) registry to explore sex differences in entrapment, injuries and outcomes. We explored the relationship between age, sex and trapped status using multivariate logistical regression. SETTING: TARN is a UK-based trauma registry covering England and Wales. PARTICIPANTS: We examined data for 450 357 patients submitted to TARN during the study period (2012-2019), of which 70 027 met the inclusion criteria. There were 18 175 (26%) female and 51 852 (74%) male patients. PRIMARY AND SECONDARY OUTCOME MEASURES: We report difference in entrapment status, injury and outcome between female and male patients. For trapped patients, we examined the effect of sex and age on death from any cause. RESULTS: Female patients were more frequently trapped than male patients (female patients (F) 15.8%, male patients (M) 9.4%; p<0.0001). Trapped male patients more frequently suffered head (M 1318 (27.0%), F 578 (20.1%)), face, (M 46 (0.9%), F 6 (0.2%)), thoracic (M 2721 (55.8%), F 1438 (49.9%)) and limb injuries (M 1744 (35.8%), F 778 (27.0%); all p<0.0001). Female patients had more injuries to the pelvis (F 420 (14.6%), M 475 (9.7%); p<0.0001) and spine (F 359 (12.5%), M 485 (9.9%); p=0.001). Following adjustment for the interaction between age and sex, injury severity score, Glasgow Coma Scale and the Charlson Comorbidity Index, no difference in mortality was found between female and male patients. CONCLUSIONS: There are significant differences between female and male patients in the frequency at which patients are trapped and the injuries these patients sustain. This sex-disaggregated data may help vehicle manufacturers, road safety organisations and emergency services to tailor responses with the aim of equitable outcomes by targeting equal performance of safety measures and reducing excessive risk to one sex or gender.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».