Understanding the Burden of Pediatric Traumatic Injury in Uganda: A Multicenter, Prospective Study
Notice bibliographique
Résumé
INTRODUCTION: Traumatic injury is responsible for eight million childhood deaths annually. In Uganda, there is a paucity of comprehensive data describing the burden of pediatric trauma, which is essential for resource allocation and surgical workforce planning. This study aimed to ascertain the burden of non-adolescent pediatric trauma across four Ugandan hospitals. METHODS: We performed a descriptive review of four independent and prospective pediatric surgical databases in Uganda: Mulago National Referral Hospital (2012-2019), Mbarara Regional Referral Hospital (2015-2019), Soroti Regional Referral Hospital (SRRH) (2016-2019), and St Mary's Hospital Lacor (SMHL) (2016-2019). We sub-selected all clinical encounters that involved trauma. The primary outcome was the distribution of injury mechanisms. Secondary outcomes included operative intervention and clinical outcomes. RESULTS: There was a total of 693 pediatric trauma patients, across four hospital sites: Mulago National Referral Hospital (n = 245), Mbarara Regional Referral Hospital (n = 29), SRRH (n = 292), and SMHL (n = 127). The majority of patients were male (63%), with a median age of 5 [interquartile range = 2, 8]. Chiefly, patients suffered blunt injury mechanisms, including falls (16.2%) and road traffic crashes (14.7%) resulting in abdominal trauma (29.4%) and contusions (11.8%). At SRRH and SMHL, from which orthopedic data were available, 27% of patients suffered long-bone fractures. Overall, 55% of patients underwent surgery and 95% recovered to discharge. CONCLUSIONS: In Uganda, non-adolescent pediatric trauma patients most commonly suffer injuries due to falls and road traffic crashes, resulting in high rates of abdominal trauma. Amid surgical workforce deficits and resource-variability, these data support interventions aimed at training adult general surgeons to provide emergency pediatric surgical care and procedures.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».