Neighbourhood income gradients in hospitalisations due to motor vehicle traffic incidents among Canadian children
Notice bibliographique
Résumé
OBJECTIVE: To investigate income gradients in motor vehicle traffic injury hospitalisation for vehicle occupants and pedestrians/cyclists among children in urban and rural Canada. DESIGN: Four years (2001/02-2004/05) of acute-care hospitalisation discharge records for children aged 0-19 years were analysed. International Classification of Disease codes were used to determine hospitalisations due to motor vehicle traffic incidents for occupants and pedestrians/cyclists. Rates of injury (per 10 000 person years) were calculated by neighbourhood income quintiles for urban and rural areas. RESULTS: Among children (0-19 years), rates of vehicle occupant hospitalisation were higher in rural (5.07, 95% CI 4.90 to 5.25) than urban areas (2.08, 95% CI 2.03 to 2.14). In rural areas, children from lower income neighbourhoods had higher vehicle occupant hospitalisation rates than those from the richest neighbourhoods (5.52, 95% CI 5.13 to 5.93 vs 4.30, 95% CI 3.97 to 4.66). In urban areas vehicle occupant hospitalisation rates were similar among children from the poorest and richest neighbourhoods--but higher among children from middle income neighbourhoods. In urban areas, but not rural areas, the hospitalisation rate for pedestrians/cyclists systematically increased with decreasing neighbourhood income. In urban areas the pedestrian/cyclist hospitalisation rate was four times higher for children from the poorest (1.40, 95% CI 1.25 to 1.57) than from the richest (0.34, 95% CI 0.28 to 0.43) neighbourhoods. CONCLUSIONS: While vehicle occupant and pedestrian/cyclist motor vehicle traffic injuries are more frequent among children from lower income neighbourhoods, gradients are most pronounced for pedestrians/cyclists in urban areas.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».