MétaCan
Menu
Retour à la cohorte
Enregistrement W2143181493 · doi:10.1186/1475-9276-12-48

Bicycle helmet use and bicycling-related injury among young Canadians: an equity analysis

2013· article· en· W2143181493 sur OpenAlexafffundabout
Colleen Davison, Michael Torunian, Patricia Noonan Walsh, Wendy Thompson, Steve McFaull, William Pickett

Notice bibliographique

RevueInternational Journal for Equity in Health · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensKingston General HospitalPublic Health Agency of CanadaQueen's University
Organismes subventionnairesCanadian Institutes of Health ResearchHealth CanadaUniversity of St AndrewsPublic Health AgencyPublic Health Agency of CanadaQueen's UniversityHeart and Stroke Foundation of Canada
Mots-clésInjury preventionPoison controlOccupational safety and healthSuicide preventionHuman factors and ergonomicsPopulationPsychological interventionEquity (law)Environmental healthPopulation healthHealth equityPublic healthMedicineDemographyGerontologyPsychologyPolitical sciencePsychiatrySociologyNursing

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Cycling is a major activity for adolescents in Canada and potential differences exist in bicycling-related risk and experience of injury by population subgroup. The overall aim of this study was to inform health equity interventions by profiling stratified analytic methods and identifying potential inequities associated with bicycle-related injury and the use of bicycle helmets among Canadian youth. The two objectives of this study were: (1) To examine national patterns in bicycle ridership and also bicycle helmet use among Canadian youth in a stratified analysis by potentially vulnerable population subgroups, and (2) To examine bicycling-related injury in the same population subgroups of Canadian youth in order to identify possible health inequities. METHODS: Data for this study were obtained from the 6th cycle (2009/10) of the Health Behaviour in School-aged Children (HBSC) study, which is a general health survey that was completed by 26,078 students in grades 6-10 from 436 Canadian schools. Based on survey responses, we determined point prevalence for bicycle ridership, bicycle helmet use and relative risks for bicycling-related injury. RESULTS: Three quarters of all respondents were bicycle riders (n=19,410). Independent factors associated with bicycle ridership among students include being male, being a younger student, being more affluent, and being a resident of a small town. Among bicycle riders, 43% (95%CI ± 0.6%) reported never wearing and 32% (± 0.6%) inconsistently wearing a helmet. Only 26% (± 0.5%) of students reported always wearing a bicycle helmet. Helmets were less frequently used among older students and there were also important patterns by sex, geographic location and socioeconomic status. Adjusting for all other demographic characteristics, boys reported 2.02-fold increase (95% CI: 1.61 to 1.90) and new immigrants a 1.35-fold increase (95%CI: 1.00 to1.82) in the relative risk of bicycling-related injury in the past 12 months, as compared to girls and students born in Canada. The relative risk of injury did not vary significantly by levels of socioeconomic status. CONCLUSIONS: Troubling disparities exist in bicycle use, bicycle helmet use and bicycling-related injuries across specific population subgroups. Bicycle safety and injury prevention initiatives should be informed by disaggregated analyses and the context of bicycle-related health differences should be further examined.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,008
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,483
Écart entre enseignants0,388 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetInjury Epidemiology and PreventionTravaux en français237 207