Severity of Burn Injury and the Relationship to Socioeconomic Status in Nova Scotia, Canada
Notice bibliographique
Résumé
Objective. Few Canadian studies have examined the relationship between socioeconomic status (SES) and incidence of burn injury. We seek to evaluate this relationship using median income as a measure of SES in Nova Scotia, Canada.Methods. Nova Scotia residents admitted to the Queen Elizabeth II burn unit in Halifax, Nova Scotia, from 1995 to 2012, were included in the study. SES was estimated by linking the subject’s postal code to median family household income via Canadian population census data at the level of dissemination areas. Four equal income groups ranging from lowest to highest income quartile were compared (average total burn percentage). Likelihood ratio was calculated to evaluate the effect of median family income burn injury in each income quartile.Results. 302 patients were included in the analysis. Average percent total burn surface area was 19%, 15%, 15%, and 14% ( p=0.18 ) per income quartile (Q1: lowest, Q4: highest), respectively. Likelihood ratios for income quartile Q1–Q4 were 1.3 (0.8–1.6), 1.2 (0.6–1.4), and 0.7 (0.6–1.2), respectively.Conclusion. Contrary to findings in other geographic regions of the world, severity or incidence of burn injury in Nova Scotia, Canada, does not change in relation to SES when using family median income as a surrogate.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».