Injury Mortality Risk Assessment and Targeting the Subpopulations for Prevention in the Northwest Territories, Canada
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Prevention of injury mortality is a top priority for public health in the Northwest Territories, Canada. However, the frequency of injury mortality may not be evenly distributed in subgroups. Assessment of population relative risk of injury mortality can assist in better targeting of prevention programs. METHODS: A population-based case-control study consisting of 197 cases was used to quantify the relative risks of injury mortality for variables age, sex, ethnicity, geographic location and remoteness. RESULTS: A multivariate logistic model showed that the odds ratios were 2.90 (95% CI 2.09-4.03) for males, 3.39 (95% CI 2.55-4.52) for age group 15-64 years, 11.50 (95% CI 6.47-20.42) for age group over 64 years, 1.51 (95% CI 1.13-2.02) for people in remote communities, and 2.04 (95% CI 1.50-2.79) for people above 66 degrees latitude. Aboriginal people of Dene and Inuit presented increased risks in the stratified analysis by community remoteness and latitude. CONCLUSIONS: Males, over age 14, living in remote communities, living in the far north, and being aboriginal were at higher risk of injury mortality. Based on the relative risks of injury mortality and the population size in each subpopulation, injury prevention investments should be extended to remote communities.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».