The Incidence and Severity of Pediatric Injuries Sustained by Electric Bikes and Powered Scooters
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to describe the incidence and severity of electrical bicycle (E-bike)- and power scooter (P-scooter)-related injuries and their secular trends among pediatric patients presenting to a pediatric emergency department (ED). METHODS: This retrospective cohort study of patients aged <18 years who sustained E-bike and P-scooter injuries was performed between 2018 and 2023. We explored trends of severe trauma cases, ED visits, hospitalizations, and surgical interventions. Severity of trauma was rated by either an injury severity score (ISS) of >15 or the patient's need for acute care as defined by intensive care unit (ICU) admission, direct disposition to the operating room, acute interventions performed in the trauma room, and in-hospital death. RESULTS: Of the 1466 pediatric patients who presented to our pediatric ED following P-scooter and E-bike injuries, 216 (14.7%) were hospitalized, with a median age of 14.0 years (interquartile range, 10.5-16.0 years) and male predominance (69.0%). The number of ED visits increased 3.5-fold by study closure, with a parallel increase in hospitalizations, surgical interventions, and severe trauma cases. The relative percentages of severe trauma cases were not significantly different over time. Among hospitalized patients, 3 patients (1.4%) died and 9 (4.1%) required rehabilitation care. CONCLUSIONS: The incidence and severity of E-bike and P-scooter injuries and fatalities continue to increase within the pediatric population. Current personal and road safety regulations are providing inadequate in preventing these injuries, highlighting an urgent need for revision and stricter enforcement.
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) | 0,000 | 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 | 0,000 |
| 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 ».