On-Premise Alcohol Establishments and Ambulance Calls for Trauma, Assault, and Intoxication
Notice bibliographique
Résumé
Alcohol contributes to intentional and unintentional injury. We explored on-premise licensed alcohol establishments (LAEs) and emergency medical service (EMS) ambulance calls.We completed a retrospective population-based study in the Region of Peel, Ontario, 2005 to 2014, where alcohol sales are tightly regulated and healthcare is universally available. We included participants age ≥ 19 years. Longitude-latitude coordinates of all 696 LAEs and all 267,477 EMS ambulance calls were ascertained, and then assigned to 1 of 1568 dissemination areas (DA) in Peel. Relative risks (RRs) described the association between density of on-premise LAEs (by DA deciles) and the rate of EMS calls, adjusted for material deprivation, and density of beer/liquor stores in each DA.There was a curvilinear relation between LAE density and EMS calls for trauma, rising from 45.3 per 1000 in DAs with no LAEs to 381.0 per 1000 in decile-10 (adjusted RR 7.83, 95% confidence interval [CI] 6.15-9.97). This relation was more pronounced for alcohol-focused LAEs, and highest among younger males. Calls for assault (RR 2.67, 95% CI 1.26-5.65) and intoxication (RR 4.00, 95% CI 1.41-11.38) were more likely on the last day of the month and the day thereafter, compared to 1 week prior. At 02:00 hours, when LAEs must stop selling alcohol, there was a considerable rise in assault-related calls in DAs with LAE but not in DAs without LAEs.On-premise LAEs contribute to EMS calls for trauma and assault, especially among young males, around last call, and when monthly pay cheques are cashed.
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 | 0,001 |
| 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 ».