MétaCan
Menu
Retour à la cohorte
Enregistrement W2247087744

Neighbourhood variation in hospitalization for unintentional injury among children and teenagers.

2010· article· en· W2247087744 sur OpenAlexaffabout
Lisa Oliver, Dafnia E. Kohen

Notice bibliographique

RevuePubMed · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésNeighbourhood (mathematics)Injury preventionCensusDemographyMedicinePoison controlOccupational safety and healthSuicide preventionPopulationHuman factors and ergonomicsGeographyEnvironmental health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Research suggests that living in more affluent neighbourhoods positively influences children's health. Relationships with injury are less clear. This study examines variations in rates of unintentional injury hospitalization by neighbourhood income for the population aged 0 to 19 in urban Canada. DATA AND METHODS: Acute-care inpatient hospitalization discharge records from 2001/2002 through 2004/2005 for 0-to 19-year-olds were examined. Injuries were classified using the International Classification of Diseases. Census Dissemination Areas were used as neighbourhood proxies; income quintiles were calculated from the 2001 Census. Age-standardized rates of hospitalization per 10,000 person-years at risk were calculated for each type of injury, by sex, age group and neighbourhood income quintile. RESULTS: Children and teenagers in the lowest neighbourhood income quintile generally had a higher rate of unintentional injury hospitalization than did those in the highest. The pattern was particularly evident among children aged 0 to 9 in lower-income neighbourhoods for injuries due to land transportation, poisoning, fire, drowning/ suffocation, being cut or pierced, and the natural environment. INTERPRETATION: Canadian children in lower-income neighbourhoods generally have higher rates of hospitalization due to unintentional injuries, compared with children in higher-income neighbourhoods.

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 enseignants0,033
Score d'incertitude au seuil0,245

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 Opus0,007
Tête enseignante GPT0,243
Écart entre enseignants0,236 · 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

Citations16
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetInjury Epidemiology and PreventionTravaux en français237 207