Trends in the leading causes of injury mortality, Australia, Canada and the United States, 2000–2014
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study was to highlight the differences in injury rates between populations through a descriptive epidemiological study of population-level trends in injury mortality for the high-income countries of Australia, Canada and the United States. METHODS: Mortality data were available for the US from 2000 to 2014, and for Canada and Australia from 2000 to 2012. Injury causes were defined using the International Classification of Diseases, Tenth Revision external cause codes, and were grouped into major causes. Rates were direct-method age-adjusted using the US 2000 projected population as the standard age distribution. RESULTS: US motor vehicle injury mortality rates declined from 2000 to 2014 but remained markedly higher than those of Australia or Canada. In all three countries, fall injury mortality rates increased from 2000 to 2014. US homicide mortality rates declined, but remained higher than those of Australia and Canada. While the US had the lowest suicide rate in 2000, it increased by 24% during 2000-2014, and by 2012 was about 14% higher than that in Australia and Canada. The poisoning mortality rate in the US increased dramatically from 2000 to 2014. CONCLUSION: Results show marked differences and striking similarities in injury mortality between the countries and within countries over time. The observed trends differed by injury cause category. The substantial differences in injury rates between similarly resourced populations raises important questions about the role of societal-level factors as underlying causes of the differential distribution of injury in our 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 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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».