Mortality at Music Festivals: An Update for 2016-2017 – Academic and Grey Literature for Case Finding
Notice bibliographique
Résumé
In 2016, the authors published a paper on music festival fatalities between the years 1999 and 2014 (n=722). In this Special Report, they provide an update on fatalities reported at music festivals globally for the period 2016-2017 (n=201). Using a search strategy designed to capture grey literature and media reports of music festival fatalities, reports of the overall frequency and cause-of-death breakdown for publicly reported, festival-related deaths are recorded. This update shows an increase in the frequency of festival-related fatality reports during the new period, together with an increase in the number of deaths attributable to terror (n=60) and overdose/poisoning (n=41). Drawing conclusions about the cause of this increase is challenging given the growth in Internet use, online media reports, and number of music festivals occurring annually when compared with the previous reporting period. The authors re-emphasize the need for a uniform reporting standard and reliable epidemiological data for fatalities related to music festivals, mass gatherings, and special events. TurrisSA, JonesT, LundA. Mortality at music festivals: an update for 2016-2017 - academic and grey literature for case finding. Prehosp Disaster Med. 2018;33(5):553-557.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».