MétaCan
Menu
Retour à la cohorte
Enregistrement W2009395390 · doi:10.1136/ip.2008.020974

Injury surveillance: unrealistic expectations of safe communities

2009· article· en· W2009395390 sur OpenAlexaboutno aff
John Langley, Jean Simpson

Notice bibliographique

RevueInjury Prevention · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionLocal communityAccountabilityIndex (typography)BusinessCommunity organizationPoison controlSuicide preventionInjury preventionEnvironmental healthPublic relationsMedicinePsychologyPolitical scienceComputer scienceNursing

Résumé

récupéré en direct d'OpenAlex

Designation as a World Health Organization (WHO) Safe Community (SC) is based on local capacity to meet six criteria. Criterion 4 states that communities must have: “Programmes that document the frequency and causes of injuries” (http://www.phs.ki.se/csp/index_en.htm). This is typically interpreted as information that pertains directly to their community. The reasons for doing so have been summarised by Nilsen et al 1: > “Community-based injury prevention programmes need local IS [injury surveillance] to identify and characterize unique community injury problems, to develop tailored prevention strategies and to evaluate the effectiveness of local programme interventions”. In addition: “Local data can play an important role in motivating local action by increasing the community feeling of ownership and accountability for the mitigation of the injury problem” (p36). It is important to note the evaluation need mentioned by Nilsen, since criterion 5 for designation as an SC requires: “Evaluation measures to assess programmes, processes and effects of changes” (http://www.phs.ki.se/csp/index_en.htm). The review of Nilsen et al 1 of 25 WHO SCs in Scandinavian and 16 Canadian Safe Community Foundation programmes reported that many of these programmes experienced significant difficulties accessing local injury data and few utilise these data effectively. In our evaluation of two small SCs, we noted similar difficulties.2 Nilsen et al 1 recommend that, given the limited resources of most SCs, the situation be addressed by a greatly expanded supportive role of the coordinating or affiliate support centres of the two networks. They suggest “…the local programmes or the centres could collect IS data with the centres supporting analysis and interpretation with involvement of collaborating injury prevention researchers” (p41). In this commentary, we demonstrate that expectations of SCs in terms of local surveillance systems are unrealistic. Our commentary is structured as follows:

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,565

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,371
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetInjury Epidemiology and PreventionTravaux en français237 207