MétaCan
Menu
Retour à la cohorte
Enregistrement W2074341643 · doi:10.1136/ip.2008.018903

Are injuries spatially related? Join–count spatial autocorrelation for small-area injury analysis

2008· article· en· W2074341643 sur OpenAlex
Neil R. Bell, Nadine Schuurman, S. Morad Hameed

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueInjury Prevention · 2008
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesMitacs
Mots-clésPoison controlDemographySpatial analysisInjury preventionContiguityGeographyCensusMedicineSocial deprivationMedical emergencyEnvironmental healthPopulationComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To present a geographic information systems (GIS) method for exploring the spatial pattern of injuries and to demonstrate the utility of using this method in conjunction with classic ecological models of injury patterns. DESIGN: Profiles of patients' socioeconomic status (SES) were constructed by linking their postal code of residence to the census dissemination area that encompassed its location. Data were then integrated into a GIS, enabling the analysis of neighborhood contiguity and SES on incidence of injury. SETTING: Data for this analysis (2001-2006) were obtained from the British Columbia Trauma Registry. Neighborhood SES was calculated using the Vancouver Area Neighborhood Deprivation Index. Spatial analysis was conducted using a join-count spatial autocorrelation algorithm. PATIENTS: Male and female patients over the age of 18 and hospitalized from severe injury (Injury Severity Score >12) resulting from an assault or intentional self-harm and included in the British Columbia Trauma Registry were analyzed. RESULTS: Male patients injured by assault and who resided in adjoining census areas were observed 1.3 to 5 times more often than would be expected under a random spatial pattern. Adjoining neighborhood clustering was less visible for residential patterns of patients hospitalized with injuries sustained from self-harm. A social gradient in assault injury rates existed separately for men and neighborhood SES, but less than would be expected when stratified by age, gender, and neighborhood. No social gradient between intentional injury from self-harm and neighborhood SES was observed. CONCLUSIONS: This study demonstrates the added utility of integrating GIS technology into injury prevention research. Crucial information on the associated social and environmental influences of intentional injury patterns may be under-recognized if a spatial analysis is not also conducted. The join-count spatial autocorrelation is an ideal approach for investigating the interconnectedness of injury patterns that are rare and occur in only a small percentage of the population.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,324
Écart entre enseignants0,286 · 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