Drowning in the great lakes of Uganda: a neglected problem
Notice bibliographique
Résumé
Background Drowning has continued to be one of the leading causes of injury deaths in the great lakes of Uganda. Activities of boat transportation and commercial fishing have contributed to drowning. There are neither community studies nor mandatory death registrations to drowning related data. Aim To compare drowning and near drowning cases reported in the hospital trauma registries and the print media in the year 2010 in Uganda. Methods Print media reports in four English newspaper magazines in Uganda (one government owned and three private owned), published between January and July 2010 were reviewed and compared these with reported drowning and near drowning cases recorded in a nationwide regional hospital based trauma registry. Results 98 persons were reported in four newspapers. 61(62.2%) drowning deaths were confirmed while a total of 21(21.4%) were near drowning cases. There was inconclusive information regarding the survival and or rescue of the remaining 16 (16.3%) persons. 2834 trauma registry cases in the same period of 2010, indicated three (0.1%) cases were recorded. All these were near drowning cases. Significance There is limited information on the burden of drowning as a result of no systematic process to record and track drowning related incidents and deaths. Hospital trauma registries under estimate the drowning cases thus systematic community based surveys are needed to quantify the burden of drowning and act as a baseline research for drowning interventional research in Uganda.
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 | 0,001 | 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 ».