Canadian Child Safety Report Card: a comparison of injury prevention practices across provinces
Notice bibliographique
Résumé
BACKGROUND: Injury prevention report cards that raise awareness about the preventability of childhood injuries have been published by the European Child Safety Alliance and the WHO. These report cards highlight the variance in injury prevention practices around the world. Policymakers and stakeholders have identified research evidence as an important enabler to the enactment of injury legislation. In Canada, there is currently no childhood injury report card that ranks provinces on injury rates or evidence-based prevention policies. METHODS: Three key measures, with five metrics, were used to compare provinces on childhood injury prevention rates and strategies, including morbidity, mortality and policy indicators over time (2006-2012). Nine provinces were ranked on five metrics: (1) population-based hospitalisation rate/100 000; (2) per cent change in hospitalisation rate/100 000; (3) population-based mortality rate/100 000; (4) per cent change in mortality rate/100 000; (5) evidence-based policy assessment. RESULTS: Of the nine provinces analysed, British Columbia ranked highest in Canada and Saskatchewan lowest. British Columbia had a morbidity and mortality rate that was close to the Canadian average and decreased over the study period. British Columbia also had a number of injury prevention policies and legislation in place that followed best practice guidelines. Saskatchewan had a higher rate of injury hospitalisation and death; however, Saskatchewan's rate decreased over time. Saskatchewan had a number of prevention policies in place but had not enacted bicycle helmet legislation. CONCLUSIONS: Future preventative efforts should focus on harmonising policies across all provinces in Canada that reflect evidence-based best practices.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».