Incidence of traumatic spinal cord injury worldwide: A systematic review, data integration, and update
Notice bibliographique
Résumé
Objectives: This review was designed to update our earlier systematic review which evaluated both published and unpublished evidence on the incidence of traumatic spinal cord injury (TSCI) worldwide. Methods: We used various search methods including strategic searching, reference checking, searching for grey literature, contacting registries, authors, and organizations requesting unpublished data, browsing related websites, and hand searching key journals. The quality of included studies was evaluated by Joanna Briggs Institute Critical Appraisal Tools. Records published between April 2013 and May 2020 were added to the original systematic review. Results: Overall, 58 resources including 45 papers, 10 SCI registry reports, 1 book, and 2 theses were retrieved. We found TSCI incidence data for eight new countries, which overall shapes our knowledge of TSCI incidence for 49 countries. The incidence of TSCI ranges from 3.3 to 195.4 cases per million (cpm) based on subnational studies and from 5.1 to 150.48 cpm based on national studies. Most of the studies were low quality, lacked consistent case selection due to unclear definition of TSCI and unclear ascertainment methods. Conclusions: There is an increasing number of publications in the literature focusing on the epidemiologic data of TSCI. The absence of a standard form of reporting TSCI hinders the comparability of data across different data sources. Use of various definitions for TSCI may lead to heterogeneity in reports. Use of sensitivity analyses based on reasonable classification criteria can aid in offering a uniform set of case identification and ascertainment criteria for TSCI.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».