Aperçu - Prise en charge des traumatismes crâniens au Canada : évolution des tendances en matière de soins
Bibliographic record
Abstract
Introduction Malgré une plus grande sensibilisation aux traumatismes crâniens, nous disposons de peu de renseignements à l’échelle de la population sur les types de soins prodigués en lien avec les traumatismes crâniens au Canada. Méthodologie Nous avons examiné les données de l’Enquête sur la santé dans les collectivités canadiennes (années 2005, 2009 et 2014) portant sur les répondants de 12 ans et plus. Les variables sélectionnées en lien avec la prise en charge des traumatismes crâniens ont été l’accès à des soins dans les 48 heures suivant la blessure, le point de service, l’admission à l’hôpital et les soins de suivi. Résultats Nous avons constaté qu’un grand nombre de Canadiens avaient bénéficié de soins médicaux dans les 48 heures suivant leur blessure, sans changement dans cette proportion au fil du temps. Nous avons aussi observé un déclin significatif de la proportion de Canadiens ayant décidé de se rendre au service des urgences (p = 0,03, tous âges confondus) et une augmentation significative du nombre de jeunes ayant décidé de consulter un médecin (p $lt; 0,01). Conclusion Les traumatismes crâniens sont un problème de santé important et en augmentation au Canada. Ces blessures semblent de plus en plus être traitées par des professionnels de la santé en dehors des hôpitaux, en particulier par des médecins de première ligne.
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 | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".