Mortality at Music Festivals: Academic and Grey Literature for Case Finding
Notice bibliographique
Résumé
OBJECTIVE: Deaths at music festivals are not infrequently reported in the media; however, the true mortality burden is difficult to determine as the deaths are not yet systematically documented in the academic literature. METHODS: This was a literature search for case examples using academic and gray literature sources, employing both retrospective and prospective searches of media sources from 1999-2014. RESULTS: The gray literature documents a total of 722 deaths, including traumatic (594/722; 82%) and non-traumatic (128/722; 18%) causes. Fatalities were caused by trampling (n=479), motor-vehicle-related (n=39), structural collapses (n=28), acts of terror (n=26), drowning (n=8), assaults (n=6), falls (n=5), hanging (n=2), and thermal injury (n=2). Non-traumatic deaths included overdoses (n=96/722; 13%), environmental causes (n=8/722; 1%), natural causes (n=10/722; 1%), and unknown/not reported (n=14/722; 2%). The majority of non-trauma-related deaths were related to overdose (75%). The academic literature documents trauma-related deaths (n=368) and overdose-related deaths (n=12). One hundred percent of the trauma-related deaths reported in the academic literature also were reported in the gray literature (n=368). Mortality rates cannot be reported as the total attendance at events is not known. CONCLUSIONS: The methodology presented in this manuscript confirms that deaths occur not uncommonly at music festivals, and it represents a starting point in the documentation and surveillance of mortality. Turris SA , Lund A . Mortality at music festivals: academic and grey literature for case finding. Prehosp Disaster Med. 2017;32(1):58-63.
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 | 0,007 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,026 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».