Differences in incidence of injury between rural and urban children in Canada and the USA: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: The goal of the study was to systematically review available evidence regarding differences in injury incidence between rural and urban paediatric populations in Canada and the USA. DATA SOURCE: Eight electronic databases, institutional websites and reference lists of relevant studies including published and unpublished reports. SELECTION CRITERIA: Population-based observational studies or surveys published from 1970 to February 2011 that compared injury incidence or injury-related healthcare outcomes between rural and urban children (<18) living in Canada or the USA. DATA COLLECTION AND ANALYSIS: Two reviewers independently applied selection criteria and assessed methodological quality of studies. Data were extracted by one author and independently verified by the second author. Injury rate ratios for rural and urban children were extracted or calculated. Data were synthesised descriptively due to substantial heterogeneity among studies. RESULTS: A total of 41 studies were included for this review (seven surveys and 34 studies using administrative health databases). Internal validity of included studies was moderate. Rural children were at higher risk of overall injury, motor vehicle crash injury and suicide, whereas urban children in the USA experienced higher rates of firearm-related homicides. Greater rural-urban injury disparities were likely to be found between more extreme rural and urban areas. In particular, children in remote rural areas are at increased risk of severe injuries than urban counterparts. Overall, healthcare costs per child for injury were higher for rural children. CONCLUSION: These findings indicate the need of developing geographic area-specific injury-prevention strategies. Future research is required to investigate rural-urban disparity for less-studied injuries and related health outcomes (eg, disability). Systematic review registration number CRD42011001244 (PROSPERO 2011).
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 | 0,006 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,017 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».