Aperçu - Surveillance des brûlures thermiques et des échaudures dans les services d’urgence, d'après la base de données électronique du Système canadien hospitalier d’information et de recherche en prévention des traumatismes, 2013
Bibliographic record
Abstract
Introduction Bien que les taux de mortalité et d’hospitalisation associés à des brûlures au Canada aient diminué avec le temps1,2 des cas moins graves se présentent encore couramment aux services d’urgence. Methods Le Système canadien hospitalier d’information et de recherche en prévention des traumatismes (SCHIRPT), un système de surveillance des blessures et des empoisonnements administré par l’Agence de la santé publique du Canada, est en place dans les services d’urgence de 17 hôpitaux3. Nous avons fait des recherches dans la base de données électronique du SCHIRPT (eSCHIRPT) afin de connaître le nombre de personnes de tous âges s’étant présentées aux urgences après avoir subi des brûlures thermiques ou des échaudures en 2013. Les brûlures causées par la friction, par des agents chimiques ou caustiques ou par un contact direct avec la foudre ont été exclues parce qu’il s’agit de circonstances exceptionnelles. Results Au total, 1 682 cas ont été recensés, soit 1,2 % (1 682 sur 137 245; 1 226 pour 100 000 cas dans l’eSCHIRPT) des blessures déclarées en 2013. La moitié étaient des échaudures (52,3 %; 879 sur 1 682) et 29,9 % (503 sur 1 682) résultaient d’un contact avec un objet brûlant. Les deux principales causes d’échaudures étaient es boissons chaudes et l’eau chaude (excluant celle du robinet), avec respectivement 34,1 % (292 sur 856; information manquante dans 23 cas) et 28,9 % (247 sur 856; information manquante dans 23 cas) des cas. Les deux principales causes directes de brûlures par contact étaient les cuisinières et fours (22,0 %; 109 sur 495; information manquante dans 8 cas) et les foyers et leurs accessoires (19,6 %; 97 sur 495; information manquante dans 8 cas). Dans l’ensemble, 13,0 % des cas (218 sur 1 682) étaient assez graves pour nécessiter une hospitalisation, et la plus forte proportion d’hospitalisations a été enregistrée parmi les personnes exposées à un incendie, à des flammes ou à de la fumée, soit 38,9 % (72 sur 185). Si la proportion globale de brûlures était plus élevée chez les femmes, la proportion de brûlures autres que par échaudures était plus élevée chez les hommes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".