Youth injury data in the Canadian Hospitals Injury Reporting and Prevention Program: do they represent the Canadian experience?
Notice bibliographique
Résumé
OBJECTIVE: Injuries to Canadian youth (11-15 years) identified from a population based health survey (World Health Organization-Health Behaviour in School-Aged Children Survey, or WHO-HBSC) were compared with youth injuries from a national, emergency department based surveillance system. Comparisons focused on external causes of injury, and examined whether similar rankings of injury patterns and hence priorities for intervention were identified by the different systems. SETTING: The Canadian version of the WHO-HBSC was conducted in 1998. The Canadian Hospitals Injury Reporting and Prevention Program (CHIRPP) is the national, emergency room based, surveillance program. Two hospitals involved in CHIRPP collectively provide population based data for Kingston, Ontario. METHOD: Numbers of injuries selected for study varied by data source: WHO-HBSC (n=3673); CHIRPP (n=20,133); Kingston CHIRPP (n=1944). WHO-HBSC and Kingston CHIRPP records were coded according to four variables in the draft International Classification of External Causes of Injury. Existing CHIRPP codes were available to compare Kingston and other CHIRPP data by five variables. Males and females in the three datasets were ranked according to the external causes. Data classified by source and sex were compared using Spearman's rank correlation statistic. RESULTS: Rank orders of four variables describing external causes were remarkably similar between the WHO-HBSC and Kingston CHIRPP (p>0.78; p<0.004) for mechanism, object, location, and activity). The Kingston and other CHIRPP data were also similar (p>0.87; p<0.001) for the variables available to describe external causes of injury (including intent). CONCLUSION: The two subsets of the CHIRPP data and the WHO-HBSC data identified similar priorities for injury prevention among young people. These findings indicate that CHIRPP may be representative of general youth injury patterns in Canada. Our study provides a novel and practical model for the validation of injury surveillance programs.
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 | 0,007 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,018 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».