MétaCan
Menu
Retour à la cohorte
Enregistrement W60447770 · doi:10.4467/20842627oz.12.013.0900

Health Care Resource Utilization after Acute Ankle Sprains

2012· article· en· W60447770 sur OpenAlexaffabout
Iwona A. Bielska, William Pickett, Robert J. Brison, Brenda Brouwer, Ana Johnson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueFoot and Ankle Surgery
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineAnkleEmergency departmentWork productivityResource usePhysical therapyHealth careEmergency medicineAcute careProductivitySurgeryNursing

Résumé

récupéré en direct d'OpenAlex

Ankle sprains are common soft-tissue injuries that are often treated in emergency departments. These injuries can have significant consequences for the patient, including long-term morbidity and loss of productivity. The objective of this study was to examine the direct and indirect health resource utilization associated with ankle sprains. 296 adult patients with acute ankle sprains participated in the study in Kingston, Ontario, Canada. Data were collected using a one-month productivity questionnaire. Overall, 11% (95% CI, 8-15%) of the participants visited a physician following the initial emergency department visit. Almost all (95%; 95% CI, 92-97%) of the participants used medications or supportive treatments and 55% (95% CI, 50-61%) reported taking time off from work, school, or housework. The use of unpaid assistance was indicated by 56% (95% CI, 50-62%). Findings from this analysis highlight the significant patient-related and health care system burden of acute ankle sprains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,583
Score d'incertitude au seuil0,593

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,322
Écart entre enseignants0,289 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
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

Citations1
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetFoot and Ankle SurgeryTravaux en français237 207