Notice bibliographique
Résumé
INTRODUCTION: There is concern that many national non-fatal injury indicators currently in use are misleading. OBJECTIVE: To make the case for the validation of existing unvalidated indicators, as well as the validation of new indicators before they are promulgated. METHOD: The International Collaborative Effort on Injury Statistics (ICE) Criteria were used for investigating the validity of indicators. Examples of indicators that have been found to be valid using these criteria are presented. In contrast, examples of national road safety indicators are also presented, whose validity is questionable. Trends in road safety indicators with and without threats to validity are contrasted. RESULTS: The New Zealand Injury Prevention Strategy (NZIPS) serious injury indicators are presented as indicators with no identifiable threats to validity. National road safety indicators from Canada, New Zealand and the United Kingdom, with identifiable threats to validity, are also presented. When trends for the valid NZIPS motor vehicle traffic crash indicators are compared with the New Zealand national road safety indicators, which have identifiable threats to validity, they show contrasting trends. This raises concerns that the current national indicators are potentially misleading. CONCLUSION: Validation does matter. For any indicator, it is important that it is clearly defined and specified. The specification should make it clear what parameter the indicator aims to reflect. Before use, the indicator should be validated against this target parameter. That parameter, and the indicators aimed to estimate it, should focus attention on important injuries, ie. injuries that are associated with significant mortality, threat-to-life, threat-of-disablement, loss of quality of life, or increased cost.
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 | 0,001 |
| 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 ».