292 Patterns of Burn Injuries in Winnipeg, Manitoba: A Population Health Study
Notice bibliographique
Résumé
Burn injuries are a leading cause of morbidity around the world. A more targeted approach towards high risk groups would reduce the burn incidence in a cost effective manner. Poverty has often been associated with an increased risk of burn injuries in countries like UK, Australia and USA. We describe the sociodemographics of burn survivors in Winnipeg, Manitoba, Canada. This retrospective review included adult burn survivors, requiring more than one day of hospitalization our local burn referral centre from 2006 to 2016. Patient resident postal codes were used. Participants were divided into eight Federal electoral districts using the Statistics Canada data. Population count and median household income for electoral districts was obtained from the 2011 Canada Census. Participants were also divided at the Census Tract (CT) level based on 2011 census.CTs were grouped together into quintiles based on the median household income for each CT. Arc GIS software was used for mapping Hot spot analysis using Getis-Ord Gi* was used to identify hotspots of increased burn incidence. Burn incidence was calculated for each income quintile. The overall incidence of severe burns in Winnipeg was 3.60 per 100,000 adults per year. The incidence varies across the city, ranging from 1.65 in Winnipeg South to 7.78 in Winnipeg Centre; a relative risk rate of 4.7. Burn incidence is inversely related (r = 0.72) to median household income quintile at the census tract level.At the census tract level, the burn incidence decreases incrementally for each quintile as median household income increases. There is a clear association between burn injury and median income; lower income neighbourhoods in Winnipeg have a higher incidence of burns. Burn prevention strategies in Winnipeg should target areas like Winnipeg Centre and Winnipeg North, which have more than five-fold higher incidence of burns than other areas. Geographical variation in income and affordability of equipment, such as fire alarms and fire extinguishers, should also be a factor when implementing burn prevention policies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».