Descriptive Epidemiology of Serious Work-Related Injuries in British Columbia, Canada
Notice bibliographique
Résumé
OBJECTIVE: This study examined the rates and distribution of serious work-related injuries by demographic, work and injury characteristics in British Columbia, Canada from 2002-2008, using population-based data. METHODS: Claims for workers with a serious injury were extracted from workers' compensation data. Serious injuries were defined by long duration, high cost, serious medical diagnosis, or fatality. Workforce estimates were used to calculate stratum-specific rates. Rate-ratios (RR) and 95% CIs were calculated using negative binomial regression for the comparison of rates, adjusting for gender, age and occupation. RESULTS: Women had a lower overall serious injury rate compared to men (RR: 0.93, 95% CI: 0.87-0.99). The 35-44 age group had the highest overall rate compared to the youngest age group. The rate for severe strains/sprains was similarly high for men and women in the 35-44 age group, although there was a differential pattern by gender for other injury types: the rate of fracture was similar across age groups for men, but increased with age for women (RR: 2.7, 95% CI: 2.2-3.3); and the rate of severe falls increased with age for men and women, with a larger three-fold increase for older women (men: RR: 1.8, 95% CI: 1.7-2.1; women: RR: 3.2, 95% CI: 2.7-3.7). CONCLUSIONS: The risk of serious injuries is higher among specific age groups with different patterns emerging for men and women. Variations persisted within similar injury types and occupation groups in our adjusted models. These results provide evidence for the burden of serious injuries and a basis for future analytic research. Given projected demographic shifts and increasing workforce participation of older workers, intervention programs should be carefully implemented with consideration to demographic groups at risk for serious injuries in the workplace.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».