Impact of COVID-19 Pandemic on Trauma CT Imaging
Notice bibliographique
Résumé
Purpose. The goal of this study was to understand the impact of COVID-19 pandemic and associated lockdown measures on the volume, rate, and type of trauma presenting to the emergency department (ED) by using trauma-initiated CT studies to capture patient data. Materials and Methods. We performed a retrospective observational study comparing patients undergoing CT scans for trauma during the 1st and 2nd lockdown periods compared to corresponding prepandemic months. During two lockdown periods, public places such as restaurants, libraries, parks, and shops across the province were shut down. Government-led messaging advised that people should stay at home and practice social distancing. The rate of trauma-initiated CT scans and the proportion of different types of traumas were compared between time periods. Results. There was no significant difference in overall trauma-initiated CT scans between the prepandemic and pandemic levels. Motor vehicle collision (MVC) cases decreased from 18.2% to 15.6% during the first lockdown period ( p = 0.049) and also reduced from 29.1% to 25.2% during the second lockdown period ( p = 0.013). Trauma from falls increased from 19.1% to 27.5% ( p = 0.036) during the first lockdown, despite no significant change during the 2nd lockdown. Furthermore, the percentage of stab injuries increased from 25.0% to 38.9% while blunt trauma decreased from 68.5% to 54.3% during two lockdowns ( p = 0.015). Conclusion. The total number of trauma-initiated CT scans did not significantly decrease during the lockdown periods. Stabbings and falls increased during lockdown periods while MVCs and blunt trauma decreased.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».