Bayesian spatial methods for small-area injury analysis: a study of geographical variation of falls in older people in the Wellington–Dufferin–Guelph health region of Ontario, Canada
Notice bibliographique
Résumé
OBJECTIVES: To examine falls in older people in the Wellington-Dufferin-Guelph (WDG) health region of Ontario, Canada, and to identify areas with excess RR and associated risk factors, particularly those related to private dwellings. METHODS: Cases of hospitalisation following falls among older people in the WDG health region between 2002 and 2006 were geocoded to the dissemination area level and used in the spatial analysis. The falls data and covariates from the 2006 Canadian census were analysed using Poisson log-linear models with (spatial and non-spatial) random effects at the dissemination area level. A Bayesian approach with Markov chain Monte Carlo simulation allowed the spatial random effects models to be fitted. Map decomposition was used to visualise the results. RESULTS: The percentage of occupied private dwellings requiring repairs and median income were significantly associated with falls in older people in the WDG health region. Twenty-six dissemination areas with high RR of falls in older people in the WDG health region were identified. Map decomposition revealed that RR were also driven by unknown factors that have spatial patterns. CONCLUSIONS: This research identified an association between falls in older people and housing conditions; the higher the percentage of dwellings requiring repairs in an area, the higher its risk of falls in older people. Bayesian spatial modelling accounts for measurement errors and unobserved or unknown risk factors that have spatial patterns. The findings have the potential to contribute to future research in reducing falls in older people and generate more interest in using Bayesian spatial modelling approaches in injury and public health research.
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 | 0,013 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 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 ».