Characteristics of Head and Neck Injuries Among Pediatric Ice Skaters in the United States
Notice bibliographique
Résumé
Purpose Injuries sustained while ice skating are common; however, the prevalence, distribution, and anatomical location of head and neck injuries (HNI) are not well known. The purpose of this study was to describe patterns in ice-skating-related head and neck injuries in children. Study design This was a retrospective review. Methods We conducted a retrospective review of data involving children aged 18 years and younger from the National Electronic Injury Surveillance System, a public database containing information from approximately 100 emergency departments across the United States. We utilized data from January 2002 to December 2021. Data gathered included patient demographics, injury type, injury location, injury outcome, and year of incidence. Results A total of 2686 ice-skating injuries were identified. 1594 (59%) of those involved the face, neck, ear, chin, nose, forehead, or mandible. Of these, 1023/1594 (64%) occurred in males and 571/1594 (36%) in females; 1653 (62%) patients sustained a laceration. The most commonly affected site of HNI was the chin, with 911/1594 (57%) injuries. Injuries to the neck were most commonly a sprain/strain with 32 injuries, while those affecting the mandible were most commonly a fracture with 4 injuries. Conclusion Young ice-skaters are most likely to sustain lacerations or other injuries to the chin.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».