Unintentional injuries among refugee and immigrant children and youth in Ontario, Canada: a population-based cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Unintentional injuries are a leading reason for seeking emergency care. Refugees face vulnerabilities that may contribute to injury risk. We aimed to compare the rates of unintentional injuries in immigrant children and youth by visa class and region of origin. METHODS: Population-based, cross-sectional study of children and youth (0-24 years) from immigrant families residing in Ontario, Canada, from 2011 to 2012. Multiple linked health and administrative databases were used to describe unintentional injuries by immigration visa class and region of origin. Poisson regression models estimated rate ratios for injuries. RESULTS: There were 6596.0 and 8122.3 emergency department visits per 100 000 non-refugee and refugee immigrants, respectively. Hospitalisation rates were 144.9 and 185.2 per 100 000 in each of these groups. The unintentional injury rate among refugees was 20% higher than among non-refugees (adjusted rate ratio (ARR) 1.20, 95% CI 1.16, 1.24). In both groups, rates were lowest among East and South Asians. Young age, male sex, and high income were associated with injury risk. Compared with non-refugees, refugees had higher rates of injury across most causes, including for motor vehicle injuries (ARR 1.51, 95% CI 1.40, 1.62), poisoning (ARR 1.40, 95% CI 1.26, 1.56) and suffocation (ARR 1.39, 95% CI 1.04, 1.84). INTERPRETATION: The observed 20% higher rate of unintentional injuries among refugees compared with non-refugees highlights an important opportunity for targeting population-based public health and safety interventions. Engaging refugee families shortly after arrival in active efforts for injury prevention may reduce social vulnerabilities and cultural risk factors for injury in this population.
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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 ».