Road traffic injuries and alcohol use in the emergency department in Tanzania: a case-crossover study
Notice bibliographique
Résumé
Abstract Introduction: Alcohol is the leading risk factor for road traffic injury (RTI). Africa has the second-highest rate of alcohol dependence and the highest road traffic fatality rate. We describe the proportion of Tanzanian emergency department (ED) patients presenting with RTIs who are blood alcohol content (BAC) positive and determine the dose-response relationship between drinking and injury risk.Methods: Analysis of data from EDs in Tanzania from 2013 to 2014 was performed. Adults presenting to an ED within 6 hours of injury had BAC testing and were asked whether and how much alcohol was consumed prior to the injury. Data also included self-reported alcohol use during control periods 1 day and 1 week prior to the injury. Case-crossover analysis of injury risk used logistic regression to determine matched-pair odds ratios (ORs) and 95% confidence intervals (CIs).Results: Of 513 injury patients, 375 (73%) suffered RTIs. Overall, 29% of RTI patients were BAC-positive. Approximately 40% of those who reported using alcohol prior to RTI reported drinking more than 5 standard drinks. With any alcohol, drivers of both motorcycles and cars/trucks had increased odds of RTI (4.90 OR (CI 2.5-9.5) and 5.70 OR (CI 2.8-11.6) respectively). While the odds of RTI in car/truck drivers demonstrated a dose-dependent response, that in motorcyclists was highest after 3-4 drinks (5.60 OR, CI 2.22-14.10).Discussion: The RTI burden in Tanzania is high. Any alcohol can increase RTI risk. These findings should guide drunk-driving legislation.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».