Notice bibliographique
Résumé
One popular theme in the injury prevention literature is the perceived need for more and better surveillance. This arises because of the belief that surveillance is a prerequisite for preventive programs. I have serious reservations about this belief and I could even argue that an undue emphasis on surveillance could be harmful. That, admittedly extreme, view applies when surveillance fails to achieve its most critical objective while consuming resources that could be better directed elsewhere. Two papers in this issue identify limitations in one such emergency department (ED)-based system, the Canadian Injury Reporting and Prevention Program (CHIRPP), but neither speaks directly to my main concern.1 2 CHIRPP is modeled on a similar program (VISS) in Victoria, Australia.3 When I helped to initiate CHIRPP 18 years ago, our primary goal was to use the results to raise the profile of injuries among children.4 Because many more injured children are treated in EDs than die or are hospitalized, we naively assumed that once the public and policy makers became aware of the larger numbers, they would be moved to improve prevention. Unfortunately, despite all the fanfare at its birth and the long interval since then, CHIRPP has prompted few preventive actions. I suspect the same is true for most other such systems. Consequently, I question whether there is any evidence that a surveillance system—even one that operates perfectly—actually contributes to prevention. If not, are there alternatives we should consider? Before going further, let’s agree on the vocabulary: surveillance, surveys, and registries are closely related activities, but are not identical. Unfortunately, the terms are often mistakenly used interchangeably. Surveys are either one-off, episodic, or occur at regular intervals. Most surveys are able to collect detailed data, although recall problems may compromise the accuracy of some of the details.5 Registries …
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».