Injury surveillance: unrealistic expectations of safe communities
Notice bibliographique
Résumé
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 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 | 0,083 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,015 |
| Communication savante | 0,013 | 0,015 |
| Science ouverte | 0,007 | 0,021 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».