Prevalence of alcohol and other drug use in patients presenting to hospital for fall-related injuries: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Alcohol and other drug (AOD) use is a key preventable risk factor for serious injuries. Prevention strategies to date have largely focused on transport injuries, despite AOD use being a significant risk factor for other injury causes, including falls. This systematic review aimed to report the prevalence of AOD use in patients presenting to hospital for fall-related injuries. METHODS: This systematic review includes studies published in English after the year 2010 that objectively measured the prevalence of AOD use in patients presenting to hospital for a fall-related injury. Screening, data extraction and risk of bias assessments were completed by two independent reviewers. Data were presented using narrative synthesis and, where appropriate, meta-analyses. RESULTS: A total of 12 707 records were screened. Full texts were retrieved for 2042 records, of which 29 were included. Four studies reported the combined prevalence of any alcohol and/or drug use, generating a pooled prevalence estimate of 37% (95% CI 25% to 49%). Twenty-two records reported on the prevalence of acute alcohol use alone and nine reported specifically on the prevalence of drugs other than alcohol, with prevalence ranging from 2% to 57% and 7% to 46%, respectively. The variation in prevalence estimates likely resulted from differences in toxicology testing methods across studies. CONCLUSIONS: AOD exposure was common in hospitalised fall-related injuries. However, research addressing prevalence across different types of falls and the use of drugs other than alcohol was limited. Future research should address these areas to improve our understanding of which populations should be targeted in AOD and injury prevention strategies . PROSPERO REGISTRATION NUMBER: CRD42020188746.
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 | 0,008 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,011 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».