MétaCan
Menu
Retour à la cohorte
Enregistrement W2276936222

National and sub-national trend and burden of injuries in Iran, 1990 - 2013: a study protocol.

2014· review· en· W2276936222 sur OpenAlexaff
Esmat Jamshidbeygi, Hadith Rastad, Mostafa Qorbani, Soheil Saadat, Mehdi Sepidarkish, Hamid Asayesh, Sadaf G Sepanlou, Farhad Shokraneh, Fereshteh Najafi, Malihe Khoramdad, Ahmad Maghsodi, Farahnaz Farzadfar, Hamidreza Jamshidi, Maziar Moradi‐Lakeh, Farshad Farzadfar

Notice bibliographique

RevuePubMed · 2014
Typereview
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthMedicinePublic healthOccupational safety and healthPoison controlInjury preventionDisease burdenSuicide preventionData collectionBurden of diseaseMedical emergencyPopulationPathology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Worldwide, injuries are a major public health concern and make a considerable contribution to the disease burden. The present study is a component of the National and Subnational Burden of Diseases, Injuries, and Risk Factors from 1990 to 2013 (NASBOD) study in Iran, which was designed to investigate the burden of most important injuries (road traffic injuries, falls, burns, poisonings and drownings) at the national and sub-national levels in Iran. In this paper we explain definitions, organization, injuries selection process, data sources, data gathering methods, and data analyses of the national and sub-national burden of injuries study in Iran. METHODS: The burden of most important injuries in current metric of DALYs at the national and sub-national levels in Iran over 1990-2013 will be estimated through comprehensive reviews of either published or national data sources. Statistical modeling will be used to impute the missing data on the burden of selected important injuries for each district-year. CONCLUSION: The results of present study can help health policy makers to plan more comprehensive and cost-effective strategies at national and sub-national level for prevention and control of burden caused by injuries.

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)0,003
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil0,608

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,093
Tête enseignante GPT0,405
Écart entre enseignants0,313 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetInjury Epidemiology and PreventionTravaux en français237 207