Risk of permanent medical impairment after road traffic crashes: A systematic review
Notice bibliographique
Résumé
PURPOSE: To systematically review the risk of permanent disability related to road traffic injuries (RTIs) and to determine the implications for future research regarding permanent impairment following road traffic crashes. METHODS: We conducted this systematic review according to the preferred reporting items for systematic reviews and meta-analysis statement. An extended search of the literature was carried out in 4 major electronic databases for scientific research papers published from January 1980 to February 2020. Two teams include 2 reviewers each, screened independently the titles/abstracts, and after that, reviewed the full text of the included studies. The quality of the studies was assessed using the strengthening the reporting of observational studies in epidemiology (STROBE) checklist. A third reviewer was assessed any discrepancy and all data of included studies were extracted. Finally, the data were systematically analyzed, and the related data were interpreted. RESULTS: Five out of 16 studies were evaluated as high-quality according to the STROBE checklist. Fifteen studies ranked the initial injuries according to the abbreviated injury scale 2005. Five studies reported the total risk of permanent medical impairment following RTIs which varied from 2% to 23% for car occupants and 2.8% to 46% for cyclists. Seven studies reported the risk of permanent medical impairment of the different body regions. Eleven studies stated the most common body region to develop permanent impairment, of which 6 studies demonstrated that injuries of the cervical spine and neck were at the highest risk of becoming permanent injured. CONCLUSION: The finding of this review revealed the necessity of providing a globally validated method to evaluate permanent medical impairment following RTIs across the world. This would facilitate decision-making about traffic injuries and efficient management to reduce the financial and psychological burdens for individuals and communities.
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 | 0,016 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 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 ».