Injury rates in Canadian Ontario first nation communities
Notice bibliographique
Résumé
Background Injuries are the leading cause of death among First Nations in Canada from 1 to 44 years, Health Canada 2001. The Ontario First Nation population was 175 178 within 133 First Nation communities in 2008. Ontario First Nations identified Motor Vehicle Collisions, Violence including Suicide and Falls, as injury issues and recommended priorities in education, training and research. An Injury Prevention Initiative was established to address issues, implement priorities and develop an Ontario First Nation Injury Prevention Strategy and Action Plan. It is coordinated by the Chiefs in Ontario. Several projects were initiated to establish baseline information upon which to develop the Strategy and Action Plan. While data on Emergency Department visits and hospitalisations are available for all Ontarians, the data does not identify First Nation people, however, residential codes provided an opportunity to determine the rate of injuries for First Nation communities. Objective To calculate the frequency of ED visits for injury in Ontario First Nations communities, stratified by sex and intent. Methods Population-based data including all ED visits in Ontario were used based on Indian Reservation residential codes assigned by the Ontario Ministry of Health and Long-Term Care. Results The results showed that although injury rates were similar to the Ontario population, the incidence of intentional injury was 2.7 times higher among First Nations, and self-inflicted injuries were 4.6 times higher. Conclusion The findings validate that injuries are a serious issue in Ontario First Nations and the strategy and action plan needs to address violence and self-inflicted injuries.
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 | 0,000 |
| 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) | 0,002 | 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 ».