Disparities in Injury Mortality Between Uganda and the United States: Comparative Analysis of a Neglected Disease
Notice bibliographique
Résumé
BACKGROUND: The burden of global injury-related deaths predominantly affects developing countries, which have little infrastructure to evaluate these disparities. We describe injury-related mortality patterns in Kampala, Uganda and compare them with data from the United States and San Francisco (SF), California. METHODS: We created a database in Kampala of deaths recorded by the City Mortuary, the Mulago Hospital Mortuary, and the Uganda Ministry of Health from July to December 2007. We analyzed the rate and odds ratios and compared them to data from the U.S. Centers for Disease Control and Prevention and the California Department of Public Health. RESULTS: In Kampala, 25% of all deaths were due to injuries (812/3303) versus 6% in SF and 7% in the United States. The odds of dying of injury in Kampala were 5.0 times higher than in SF and 4.2 times higher than in the United States. Age-standardized death rates indicate a 93% greater risk of dying from injury in Kampala than in SF. The mean age was lower in Kampala than in SF (29 vs. 44 years). The adult injury death rate (rate ratio, or RR) was higher in Kampala than in SF (2.3) or the United States (1.5). Head/neck injury was reported in 65% of injury deaths in Kampala compared to 34% in SF [odds ratio (OR) 3.7] and 28% in the US (OR 4.8). CONCLUSIONS: Urban injury-related mortality is significantly higher in Uganda than in the United States. Injury preferentially affects adults in the prime of their economically productive years. These findings serve as a call for stronger injury prevention and control policies in Uganda.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».