Serious and fatal firearm injuries among children and adolescents in Alaska: 1991-1997.
Notice bibliographique
Résumé
STUDY OBJECTIVE: To describe demographics, causal factors, intent, and incident locations of serious and fatal firearm injuries among children and adolescents in Alaska, for the years 1991 through 1997. METHODS: Data from the Alaska Trauma Registry plus Vital Statistics death certificates were reviewed for a seven-year period (1991-1997). Data elements included are: intent (ICD 9-CM E-Codes and narratives); age group; region of incident; place of occurrence; alcohol or drug involvement; type of firearm used; and perpetrator. RESULTS: During the seven-year study period, 222 children and adolescents ages 0-19 years were admitted to a hospital for a non-fatal firearm injury, plus 165 others received fatal firearm injuries. Of these 387 serious and fatal injuries, 34.9% (135) were determined to be unintentional, 36.4% (141) were suicides or suicide attempts, 23.3% (90) were homicide/assaults, 0.5% (2) were legal intervention, and for 4.9% (19) intent was unknown. Rates of serious and fatal firearm injuries per 100,000 youth for the six-year study period ranged from 14 in the Fairbanks North Star Borough and the Kenai Peninsula Borough to 105 in the Yukon-Kuskokwim Region. The statewide average for this period was 27.1 per 100,000 children and adolescents. CONCLUSIONS: Firearm injuries are a leading cause of serious and fatal injuries to children and youth in Alaska. This study suggests that many children and adolescents in Alaska who were injured by firearms, or who caused injury to other children or youth by firearms, had easy access to them. Efforts should be made to convince adults not to let children or at risk teenagers have unsupervised access to firearms, and to promote safe storage of firearms.
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 | 0,001 |
| 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 ».