A case control study of differences in non-work injury and accidents among sawmill workers in rural compared to urban British Columbia, Canada
Notice bibliographique
Résumé
BACKGROUND: Using a cohort of British Columbian male sawmill workers, we conducted a nested case-control study of the impact of rural compared to urban residence as well as rural/urban migration patterns in relation to hospitalization for non-work injury. We postulate that for many types of non-work injuries, rates will be higher in rural communities than in urban ones and that rates will also be higher for workers who migrate from urban to rural communities. METHODS: Using conditional logistic regression, univariate models were first run with each of five non-work injury outcomes. These outcomes were hospitalizations due to assault, accidental poisoning, medical mis-adventure, motor vehicle trauma, and other non-work injuries. In multivariate models marital status, ethnicity, duration of employment, and occupation were forced into the model and associations with urban, compared to rural, residence and various urban/migration patterns were tested. RESULTS: Urban or rural residence and migration status from urban to other communities, and across rural communities, were not associated with hospitalization for medical misadventure, assault, or accidental poisoning. The likelihood of a rural resident being hospitalized for motor vehicle trauma is higher than for an urban resident. The likelihood that a rural resident is hospitalized for "other" non-work injury is higher than for an urban resident. CONCLUSION: In a relatively homogenous group of workers, and using a rigorous study design, we have demonstrated that the odds of other non-work injury are much higher for workers resident in and migrating to rural regions of Canada than they are for workers resident in or migrating to urban places.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».