The global burden of child burn injuries in light of country level economic development and income inequality
Notice bibliographique
Résumé
Child burn mortality differs widely between regions and is closely related to material deprivation, but reports on their global distribution are few. Investigating their country level distribution in light of economic level and income inequality will help assess the potential for macro-level improvements. We extracted data for child burn mortality from the Global Burden of Disease study 2013 and combined data into 1-14 years to calculate rates at country, region and income levels. We also compiled potential lives saved. Then we examined the relationship between country level gross domestic product per capita from the World Bank and income inequality (Gini Index) from the Standardized World Income Inequality Database and child burn mortality using Spearman coefficient correlations. Worldwide, the burden of child burn deaths is 2.5 per 100,000 across 103 countries with the largest burden in Sub-Saharan Africa (4.5 per 100,000). Thirty-four thousand lives could be saved yearly if all countries in the world had the same rates as the best performing group of high-income countries; the majority in low-income countries. There was a negative graded association between economic level and child burns for all countries aggregated and at regional level, but no consistent pattern existed for income inequality at regional level. The burden of child burn mortality varies by region and income level with prevention efforts needed most urgently in middle-income countries and Sub-Saharan Africa. Investment in safe living conditions and access to medical care are paramount to achieving further reductions in the global burden of preventable child burn deaths.
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 | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».