Comparative costs and outcomes of traumatic brain injury from biking accidents with or without helmet use
Bibliographic record
Abstract
Contexte: Évaluer les déterminants de maladies évitables et leurs coûts est nécessaire dans le contexte d’assurance maladie universelle. Le moment d’évaluer les impacts des traumatismes crâniocérébraux (TCC) survenus lors d’accidents de vélo est idéal vu la popularité récente du cyclisme au Québec. Objectifs: Comparer les caractéristiques démographiques et médicales, ainsi que les coûts sociétaux qu’engendrent les TCC de cyclistes portant ou non un casque. Méthodologie: Étude rétrospective de 128 cyclistes avec TCC admis à l’Hôpital Général de Montréal entre 2007 et 2011. Les variables indépendantes sont sociodémographiques, cliniques et le port du casque. Les variables dépendantes sont la durée de séjour, l’échelle GOS-E, l’échelle ISS, l’orientation au congé, les décès et les coûts à la société. Résultats: Le groupe portant un casque était plus vieux, plus éduqué, retraité et marié; au niveau médical, ils avaient des TCCs moins sévères à l’imagerie, des hospitalisations aux soins intensifs plus courtes et moins de neurochirurgies. Les coûts médians à la société pour les TCC isolés de cyclistes avec casque étaient significativement moindres. Conclusion: Dans cette étude, le port du casque semblait prévenir certaines complications des TCC et permettait de faire économiser de l’argent à l’état. Le port de casque est recommandé.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".