Unintentional drowning mortality, by age and body of water: an analysis of 60 countries
Notice bibliographique
Résumé
BACKGROUND: To examine unintentional drowning mortality by age and body of water across 60 countries, to provide a starting point for further in-depth investigations within individual countries. METHODS: The latest available three years of mortality data for each country were extracted from WHO Health Statistics and Information Services (updated at 13 November 2013). We calculated mortality rate of unintentional drowning by age group for each country. For countries using International Classification of Disease 10 (ICD-10) detailed 3 or 4 Character List, we further examined the body of water involved. RESULTS: A huge variation in age-standardised mortality rate (deaths per 100 000 population) was noted, from 0.12 in Turkey to 9.19 in Guyana. Of the ten countries with the highest age-standardised mortality rate, six (Belarus, Lithuania, Latvia, Russia, Ukraine and Moldova) were in Eastern Europe and two (Kazakhstan and Kyrgyzstan) were in Central Asia. Some countries (Japan, Finland and Greece) had a relatively low rank in mortality rate among children aged 0-4 years, but had a high rank in mortality rate among older adults. On the contrary, South Africa and Colombia had a relatively high rank among children aged 0-4 years, but had a relatively low rank in mortality rate among older adults. With regard to body of water involved, the proportion involving a bathtub was extremely high in Japan (65%) followed by Canada (11%) and the USA (11%). Of the 13 634 drowning deaths involving bathtubs in Japan between 2009 and 2011, 12 038 (88%) were older adults aged 65 years or above. The percentage involving a swimming pool was high in the USA (18%), Australia (13%), and New Zealand (7%). The proportion involving natural water was high in Finland (93%), Panama (87%), and Lithuania (85%). CONCLUSIONS: After considering the completeness of reporting and quality of classifying drowning deaths across countries, we conclude that drowning is a high-priority public health problem in Eastern Europe, Central Asia, Japan (older adults involving bathtubs), and the USA (involving swimming pools).
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».