MétaCan
Menu
Retour à la cohorte
Enregistrement W1498848625 · doi:10.24095/hpcdp.29.2.04

Deprivation and unintentional injury hospitalization in Quebec children

2009· article· en· W1498848625 sur OpenAlexvenueaboutno aff
Mathieu Gagné, Denis Hamel

Notice bibliographique

RevueChronic diseases in Canada · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePoisson regressionSocial deprivationInjury preventionCensusPoison controlOccupational safety and healthSuicide preventionHuman factors and ergonomicsEnvironmental healthDemographyMedical emergencyPediatricsEmergency medicine

Résumé

récupéré en direct d'OpenAlex

Injuries disproportionately affect children from deprived areas. This study examines the links between the material and social dimensions of deprivation and injury hospitalizations in children aged 14 years or under from 2000 to 2004. Hospitalization data are from the Quebec hospital administrative data system, whereas socio-economic characteristics of individuals were estimated based on the smallest geographic areas for which Canadian census data were disseminated. The Poisson regression model was used to calculate the relative risks of hospitalization for seven categories of unintentional injury. A total of 24 540 injury hospitalizations were examined. Hospitalization in children is associated with both dimensions of deprivation. Injuries to pedestrians and motor vehicle occupants and injuries related to burns and poisonings are clearly associated with both dimensions of deprivation. These inequalities should be considered in the development of preventive measures.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,329

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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,251
Écart entre enseignants0,247 · 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'étudeObservationnel
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

Citations18
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChronic diseases in CanadaMême sujetInjury Epidemiology and PreventionTravaux en français237 207