Notice bibliographique
Résumé
Introduction. Les blessures sont l’une des principales causes de morbidité et de mortalité dans le monde et représentent 5,8 millions de décès, soit 32% de plus que la tuberculose, le paludisme et le VIH combinés. Au Pakistan, le fardeau des blessures est important et constitue la onzième cause de décès prématuré, la cinquième cause d’années de vie en bonne santé perdues et de la deuxième cause d’invalidité. Les registres de traumatologie se sont avérés supérieurs aux autres formes de surveillance des blessures telles que la surveillance de la population ou les données administratives. La plupart des documents publiés sur l'état des soins en traumatologie au Pakistan sont basés sur des données de surveillance basées sur la population. Un registre pilote des traumatismes a été mis en place à Khyber Pakhtunkhwa, au Pakistan, afin de décrire avec précision l'épidémiologie des blessures dans la région.Méthodes. Le registre des traumatismes a été mis à l'essai à l'hôpital Lady Reading (LRH) de Peshawar, au Pakistan. Le LRH est le principal centre de référence tertiaire pour toute la province de Khyber Pakhtunkhwa ainsi que pour les régions limitrophes de l’Afghanistan. Le registre des traumatismes utilisé était un registre à vingt-cinq points de données mis au point par le Centre for Global Surgery du Centre universitaire de santé McGill. La mise en œuvre de projet pilote a été réalisée pendant cinq jours consécutifs.Résultats. Au total, 267 patients ont été inclus dans le registre pilote au cours de l’étude pilote de 5 jours. 32,21% des patients sont arrivés en ambulance, 31,46% en voiture privée, 29,21% en transport en commun et 6,37% à pied. Les collisions impliquant un véhicule à moteur représentaient 45,69% des patients blessés, tandis que les chutes et les coups de feu ont causé 23,97% et 5,62% des blessures, respectivement. Parmi les collisions de véhicules à moteur, 45,1% des patients étaient des piétons heurtés par un véhicule en mouvement. De plus, aucun patient impliqué dans un accident de voiture ne portait une ceinture de sécurité au moment de la blessure et seuls 4 patients impliqués dans un accident de moto portaient un casque. 50,56% des patients ont été traités et renvoyés chez eux, 45,32% ont dû être admis pour un traitement ultérieur y compris des interventions chirurgicales possibles, 2,25% ont été conduits directement au bloc opératoire et 1,87% des patients sont décédés dans la zone de traumatologie.Conclusion. Avec juste un instantané de cinq jours, le registre pilote a permis de définir efficacement l’épidémiologie des blessures dans la région. Les domaines dans lesquels une politique de santé publique est nécessaire pour réduire le nombre ahurissant de patients blessés incluent l'application de la loi sur les casques et les ceintures de sécurité, la sécurité des piétons et les systèmes de traumatologie pré-hospitaliers. Ce registre pilote fournit des preuves convaincantes de la mise en place d’un registre durable des traumatismes dans la région
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 | 0,009 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».