Alcohol and Drug Use as Predictors of Intentional Injuries in Two Emergency Departments in British Columbia
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.
Notice bibliographique
Résumé
BACKGROUND: While a substantial literature exists demonstrating a strong association of alcohol and intentional injury, less is known about the association of intentional injury with recreational drug use, either alone, or in combination with alcohol. OBJECTIVES: The risk of intentional injury due to alcohol and other drug use prior to injury is analyzed in a sample of emergency department (ED) patients. METHODS: Logistic regression was used to examine the predictive value of alcohol and drug use on intentional versus non-intentional injury in a probability sample of ED patients in Vancouver, BC (n = 436). RESULTS: Those reporting only alcohol use were close to four times more likely (OR = 3.73) to report an intentional injury, and those reporting alcohol combined with other drug(s) almost 18 times more likely (OR = 17.75) than those reporting no substance use. Those reporting both alcohol and drug use reported drinking significantly more alcohol (15.7 drinks) than those reporting alcohol use alone (5 drinks). CONCLUSIONS: These data suggest that alcohol in combination with other drugs may be more strongly associated with intentional injury than alcohol alone. CONCLUSIONS AND SCIENTIFIC SIGNIFICANCE: The strong association of alcohol combined with other drug use on injury may be due to the increased amount of alcohol consumed by those using both substances, and is an area requiring more research with larger samples of intentional injury patients.
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 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 | 0,000 | 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 | 0,000 |
| 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 découle