MétaCan
Menu
Retour à la cohorte
Enregistrement W4281961139 · doi:10.1155/2022/9596148

Impact of COVID-19 Pandemic on Trauma CT Imaging

2022· article· en· W4281961139 sur OpenAlexaff
Yi Yan, Kai Hu, Kevin Shek, Jun Li, Shady Attalla, John Ross Bonanni, Jai Shankar, Lisa McPhee

Notice bibliographique

RevueRadiology Research and Practice · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensBrock UniversityUniversity of ManitobaSt. Boniface Hospital
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)MedicinePandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus InfectionsBetacoronavirusVirologyPathologyOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

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 ( <math xmlns="http://www.w3.org/1998/Math/MathML" id="M1"> <mi>p</mi> </math> = 0.049) and also reduced from 29.1% to 25.2% during the second lockdown period ( <math xmlns="http://www.w3.org/1998/Math/MathML" id="M2"> <mi>p</mi> </math> = 0.013). Trauma from falls increased from 19.1% to 27.5% ( <math xmlns="http://www.w3.org/1998/Math/MathML" id="M3"> <mi>p</mi> </math> = 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 ( <math xmlns="http://www.w3.org/1998/Math/MathML" id="M4"> <mi>p</mi> </math> = 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,419
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,353
Tête enseignante GPT0,594
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRadiology Research and PracticeMême sujetCOVID-19 and healthcare impactsTravaux en français237 207