Trend in injury-related mortality and morbidity among adolescents across 30 countries from 2002 to 2010
Notice bibliographique
Résumé
BACKGROUND: The aim was to examine temporal trends in injury mortality and morbidity across 30 countries in Europe and North America, and the impact of regional geography and adolescent risk behaviours (including substance use and physical fighting) on such trends. METHOD: s: Data were obtained for 30 countries in 2002, 2006 and 2010. Mortality data were obtained from the World Health Organization's (WHO) Health for all database. Trends over time were described by WHO Regions using standardized rates comparisons and Poisson regression analyses. RESULTS: Injury-related mortality, but not morbidity, declined over time across all countries (from 10 to 8 deaths per 100 000 between 2001 and 2010), with notable differences observed by Regions (e.g. from 48 to 39 deaths in Russia). Risk behaviours included in the models were consistently and significantly associated with injury morbidity, with substance increasing the risk for injury by 1.15 to 1.36 among girls, and physical fighting increasing the risk by 1.21 to 1.31 among boys across WHO Regions. Risk behaviours did not explain the observed temporal trends. CONCLUSIONS: Injury mortality and morbidity represent different health phenomena. Efforts that have been made to make societies safer for children have seemed to be successful in reducing injury morbidity.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».