Socioeconomic Inequalities in Injury: Critical Issues in Design and Analysis
Notice bibliographique
Résumé
Injuries continue to place a tremendous burden on the public's health and rates vary widely among different groups in the population. Increasing attention has recently been given to the effects of socioeconomic status (SES) as a determinant of health among both individuals and communities. However, relatively few studies have focused on the influence of SES and injuries. Furthermore, those that have, and the other injury studies that have included measures of SES in their analysis, have varying degrees of conceptual and methodological rigor in their use of this measure. Recent advances in data linkage and analytic techniques have, however, provided new and improved methods to assess the relationship between SES and injuries. This review summarizes the relevant literature on SES and injuries, with particular attention to study design, and the measurement and interpretation of SES. We found that increasing SES has a strong inverse association with the risk of both homicide and fatal unintentional injuries, although the results for suicide were mixed. However, the relationship between SES and nonfatal injuries was less consistent than for fatal injuries. We offer potential explanatory mechanisms for the relationship between SES and injuries and make recommendations for future research in this area.
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 | 0,421 | 0,603 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,004 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».