MétaCan
Menu
Retour à la cohorte
Enregistrement W4412488824 · doi:10.1002/wjs.70009

Establishing an Essential Dataset for Trauma Registry in LMICs: Insights From a Delphi Survey

2025· article· en· W4412488824 sur OpenAlexaff
Theresa Farhat, S. Di Marco, Gabriela Borrayo Sánchez, Samjhana Basnet, Ibrahima Konaté, Vitaliy Krylyuk, Respicious Boniface, Victoria Munthali, Tarek Razek, Jeremy Grushka, Dan Deckelbaum

Notice bibliographique

RevueWorld Journal of Surgery · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTrauma and Emergency Care Studies
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineDelphi methodMedical emergencyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Injury is a leading cause of morbidity and mortality globally, with 90% of deaths occurring in low-middle-income countries (LMICs). Establishing well-functioning trauma systems is crucial in LMICs, with a trauma registry being an integral component. This study used the Delphi Technique to gather insights from trauma experts on essential data variables for adult trauma registries in LMICs. It aimed to identify critical variables that can improve trauma care in resource-constrained settings. METHODS: A two-round Delphi survey was conducted from October 2023 to June 2024, engaging trauma specialists from diverse regions. Experts evaluated variables as essential, optional, or excluded, with a consensus of 70% agreement. Feedback from the first round informed the second round, focusing on variables lacking consensus. RESULTS: In the first round, 37 variables reached consensus as essential, including demographics, injury-related data, prehospital information, some clinical assessment variables, injury classification, road traffic accident data, and patient outcome data. The second round identified additional variables and categorized others as optional, including education level, income level, certain advanced imaging modalities, cost of care, and some outcome measures. Birthplace was identified as the only variable for exclusion from the trauma registry. CONCLUSIONS: This study identifies essential elements of a trauma registry in LMICs, leveraging insights from experts experienced in resource-limited settings. These recommendations ensure relevance and feasibility for implementation. Establishing such a registry is crucial for quality assurance, jurisdictional comparisons, and the foundation of trauma systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,164
score de la tête « metaresearch » (Gemma)0,129
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil0,867

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1640,129
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,003
Communication savante0,0040,005
Science ouverte0,0020,010
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,347
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of SurgeryMême sujetTrauma and Emergency Care StudiesTravaux en français237 207