An Accounting of Pathology Found on Head Computed Tomography of Road Traffic Accident (Rta) Patients in Douala, Cameroon
Notice bibliographique
Résumé
Background: RTA is a serious concern to many developing countries with its untoward effects on the economy.In many African countries, this is due to recent invasion into transport system by motor cyclists.Objectives: To evaluate head computed tomograms (CT) of RTA patients in Douala in order to account forpathologies.Setting: Polyclinic Bonanjo, Douala, Cameroon is a tertiary care hospital.Methodology: A prospective study of non-contrast head CT of RTA patients from April to November 2009 wasdone.Results were evaluated with SSPS statistical version.Results: A total of 94 Patients were studied constituting 20.84% of total number of CTs done for whateverreason. Males were more affected than females, 62(65.96%) and 32(34.04%) respectively The highest incidenceof 22 cases (23.04%) was found in 50-59 age range with no gender difference. The next in incidence was 30-39age range but unlike the former, a male to female ratio of 5:1 was observed. Highest percentage of cases(26.59%) had normal brain CT scans. This could be false positive results since CT has a reduced sensitivity indetecting diffuse axonal injury and brain concussion. The commonest observed pathology (19.14%) was brainoedema.Conclusion: RTA in Douala, Cameroon using the percentage of brain computed tomograms as an index iscommon and needs government’s action.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».