Masking in reports of “most serious” events: bias in estimators of sports injury incidence in Canadian children
Notice bibliographique
Résumé
INTRODUCTION: Surveys that collect information on injuries often focus on the single "most serious" event to help limit recall error and reduce survey length. However, this can mask less serious injuries and result in biased incidence estimates for specific injury subcategories. METHODS: Data from the 2002 Health Behaviour in School-aged Children (HBSC) survey and from the Canadian Hospitals Injury Reporting and Prevention Program (CHIRPP) were used to compare estimates of sports injury incidence in Canadian children. RESULTS: HBSC data indicate that 6.7% of children report sustaining a sports injury that required an emergency department (ED) visit. However, details were only collected on a child's "most serious" injury, so children who had multiple injuries requiring an ED visit may have had sports injuries that went unreported. The rate of 6.7% can be seen to be an underestimate by as much as 4.3%. Corresponding CHIRPP surveillance data indicate an incidence of 9.9%. Potential masking bias is also highlighted in our analysis of injuries attended by other health care providers. CONCLUSION: The "one most serious injury" line of questioning induces potentially substantial masking bias in the estimation of sports injury incidence, which limits researchers' ability to quantify the burden of sports injury. Longer survey recall periods naturally lead to greater masking. The design of future surveys should take these issues into account. In order to accurately inform policy decisions and the direction of future research, researchers must be aware of these limitations.
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 | 0,074 | 0,217 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».