Relationships between community social capital and injury in Canadian adolescents: a multilevel analysis
Notice bibliographique
Résumé
BACKGROUND: Characteristics of social environments are potential risk factors for adolescent injury. Impacts of social capital on the occurrence of such injuries have rarely been explored. METHODS: General health questionnaires were completed by 8910 youth aged 14 years and older as part of the 2010 Canadian Health Behaviour in School-Aged Children study. These were supplemented with community-level data from the 2006 Canada Census of Population. Multilevel logistic regression models with random intercepts were fit to examine associations of interest. The reliability and validity of variables used in this analysis had been established in past studies, or in new analyses that employed factor analysis. RESULTS: Between school differences explained 2% of the variance in the occurrence of injuries. After adjustment for all confounders, community social capital did not have any impact on the occurrence of injuries in boys: OR: 1.01, 95% CI 0.80 to 1.29. However, living in areas with low social capital was associated with lower occurrence of injuries in girls (OR 0.78, 95% CI 0.63 to 0.96). Other factors that were significantly related to injuries in both genders were younger age, engagement in more risky behaviours, and negative behavioural influences from peers. CONCLUSIONS: After simultaneously taking into account the influence of community-level and individual-level factors, community levels of social capital remained a relatively strong predictor of injury among girls but not boys. Such gender effects provide important clues into the social aetiology of youth injury.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».