Drowning and the Influence of Hot Weather
Notice bibliographique
Résumé
BACKGROUND: Drowning deaths are devastating and preventable. Public perception does not regard hot weather as a common scenario for drowning deaths. The objective of our study was to test the association between hot weather and drowning risk. MATERIALS AND METHODS: We conducted a retrospective case-crossover analysis of all unintentional drowning deaths in Ontario, Canada from 1999 to 2009. Demographic data were obtained from the Office of the Chief Coroner. Weather data were obtained from Environment Canada. We used the pair-matched analytic approach for the case-crossover design to contrast the weather on the date of the drowning with the weather at the same location one week prior (control period). RESULTS: We identified 1243 drowning deaths. The mean age was 40 years, 82% were male, and most events (71%) occurred in open water. The pair-matched analytic approach indicated that temperatures exceeding 30°C were associated with a 69% increase in the risk of outdoor drowning (OR = 1.69, 95% CI 1.23-2.25, p = 0.001). For indoor drowning, however, temperatures exceeding 30°C were not associated with a statistically significant increase in the risk of drowning (OR = 1.50, 95% CI 0.53-4.21, p = 0.442). Adult men were specifically prone to drown in hot weather (OR 1.67, 95% CI 1.19-2.34, p = 0.003) yet an apparent increase in risk extended to both genders and all age groups. CONCLUSION: Contrary to popular belief, hot weather rather than cold stormy weather increases the risk of drowning. An awareness of this risk might encourage greater use of drowning prevention strategies known to save lives.
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 | 0,000 | 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) | 0,000 | 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 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 ».