Cervical vertebral and spinal cord injuries in rollover occupants
Notice bibliographique
Résumé
BACKGROUND: Rollover crashes continue to be a substantial public health issue in North America. Previous research has shown that the cervical spine is the most injured spine segment in rollovers, but much of the past research has focused on risk factors rather than the actual cervical spine injuries. We sought to examine how different types of cervical spine injuries (vertebral and/or cord injury) vary with different occupant-related factors in rollovers and to compare these with non-rollovers. METHODS: We obtained crash and injury information from the National Automotive Sampling System-Crashworthiness Data System (NASS-CDS) for 2005-2015 and Crash Investigation Sampling System (CISS) for 2017-2022. Based on weighted data, we calculated relative risks to assess how occupant sex, seat belt use, ejection status, and fatal outcome relate to the rate of different cervical spine injuries in rollovers and non-rollovers. RESULTS: In NASS-CDS occupants with cervical spine injuries (N = 111,040 weighted cases), about 91.5% experienced at least one vertebral injury whereas only 11.3% experienced a spinal cord injury (most of which had a concomitant vertebral fracture). All types of cervical spine injuries we examined were 3.4-5.2 times more likely to occur in rollovers compared to non-rollovers. These relative risks were similar for both sexes, belted and unbelted, non-ejected, and non-fatal occupants. The number of weighted CISS occupants with cervical spine injuries (N = 42,003) was smaller than in the NASS analysis, but cervical spine injuries remained 6.25 to 6.36 times more likely in rollovers compared to non-rollovers despite a more modern vehicle fleet. CONCLUSIONS: These findings underscore the continued need for rollover-specific safety countermeasures, especially those focused on cervical spine injury prevention, and elucidate the frequency, severity and other characteristics of the specific vertebral and spinal cord injuries being sustained in rollovers. Our findings suggest that countermeasures focused on preventing cervical vertebral fractures will also effectively prevent most cervical spinal cord injuries.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».