Patterns of youth injury: a comparison across the northern territories and other parts of Canada
Notice bibliographique
Résumé
BACKGROUND: Injury is the leading cause of death for young people in Canada. For those living in the northern territories (Yukon, Nunavut, and the Northwest Territories), injury represents an even greater problem, with higher rates of injury for people of all ages in northern areas compared with the rest of Canada; however, no such comparative studies have focussed specifically on non-fatal injury in youth. OBJECTIVES: To profile and examine injuries and their potential causes among youth in the northern territories as compared with other parts of Canada. DESIGN: Cross-sectional data from the 2009/2010 Health Behaviour in School-aged Children survey (youth aged 11-15 years) were examined for the Canadian northern territories and the provinces (n=26,078). Individual survey records were linked to community-level data to profile injuries and then study possible determinants via multilevel regression modelling. RESULTS: The prevalence of injury reported by youth was similar in northern populations and other parts of Canada. There were some minimal differences by injury type: northern youth experienced a greater percentage of neighbourhood (p<0.001) and fighting (p=0.02) injuries; youth in the Canadian provinces had a greater proportion of sport-related injuries (p=0.01). Among northern youth, female sex (RR=0.87, 95% CI 0.81-0.94), average (RR=0.88, 95% CI 0.80-0.97) or above-average affluence (RR=0.84, 95% CI 0.76-0.91), not being drunk in the past 12 months (RR=0.77, 95% CI 0.69-0.85), not riding an all-terrain vehicle (RR=0.81, 95% CI 0.68-0.97) and not having permanent road access (RR=0.89, 95% CI 0.80-0.98) were protective against injury; sport participation increased risk (RR=1.45, 95% CI 1.33-1.59). CONCLUSIONS: Patterns of injury were similar across youth from the North and other parts of Canada. Given previous research, this was unexpected. When implementing injury prevention initiatives, individual and community-level risk factors are essential to understand; however, specific positive safety assets that might exist in different community contexts must also be considered.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».