MétaCan
Menu
Retour à la cohorte
Enregistrement W2178078597 · doi:10.25035/ijare.07.04.06

Differences in Drowning Rates between Rural and Non-Rural Residents of Ontario, Canada

2013· article· en· W2178078597 sur OpenAlexafffundabout
Michael Fralick, Zane Gallinger, Stephen W. Hwang

Notice bibliographique

RevueInternational Journal of Aquatic Research and Education · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensSt. Michael's Hospital
Organismes subventionnairesOntario Ministry of Health and Long-Term Care
Mots-clésMedicineDemographyResidenceBathtubRural areaPoison controlInjury preventionMortality rateOccupational safety and healthRural populationSuicide preventionPopulationEnvironmental healthGeographySurgery

Résumé

récupéré en direct d'OpenAlex

The objective of our study was to determine if rural residence was associated with an increased risk of drowning in Ontario, Canada. We conducted a retrospective cohort study of all unintentional drowning deaths in Ontario Canada from 2004 to 2008. Age-adjusted mortality rates for males and females living in rural and non-rural areas were calculated using direct standardization, with non-rural residents as the reference population. We identified a total of 564 unintentional drowning deaths. The majority (89%) of fatal drowning victims were male, and 75% percent of victims were from non-rural area. Excluding bathtub drowning deaths, the age-adjusted drowning mortality rate was significantly higher for both males (rate ratio 2.8; 95% CI, 2.3- 3.4) and females (rate ratio 2.8; 95% CI 1.5- 5.0) from rural compared to non-rural areas. In Ontario, rural residence was associated with an increased risk of unintentional drowning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,596
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,055
Tête enseignante GPT0,413
Écart entre enseignants0,358 · 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 tête enseignante, 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

Citations9
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Aquatic Research and EducationMême sujetInjury Epidemiology and PreventionTravaux en français237 207