Impact of the 2021 north american winter storms on children with epilepsy
Notice bibliographique
Résumé
Purpose: In February 2021 a series of winter storms caused power outages for nearly 10 million people in the United States, Northern Mexico and Canada. In Texas, the storms caused the worst energy infrastructure failure in state history, leading to shortages of water, food and heat for nearly a week. Impacts on health and well-being from natural disasters are greater in vulnerable populations such as individuals with chronic illnesses, for example due to supply chain disruptions. We aimed to determine the impact of the winter storm on our patient population of children with epilepsy (CWE). Methods: We conducted a survey of families with CWE that are being followed at Dell Children's Medical Center in Austin, Texas. Results: Of the 101 families who completed the survey, 62% were negatively affected by the storm. Twenty-five percent had to refill antiseizure medications during the week of disruptions, and of those needing refills, 68% had difficulties obtaining the medications, leading to nine patients-or 36% of those needing a refill-running out of medications and two emergency room visits because of seizures and lack of medications. Conclusions: Our results demonstrate that close to 10% of all patients included in the survey completely ran out of antiseizure medications, and many more were affected by lack of water, heat, power and food. This infrastructure failure emphasizes the need for adequate disaster preparation for vulnerable populations such as children with epilepsy for the future.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».