Pedestrian Fatalities Associated With Halloween in the United States
Notice bibliographique
Résumé
differences in ED diagnoses was determined by the adjusted F, a variant of the second-order Rao-Scott adjusted χ 2 statistic.5 Results | Among the total population of 8 080 738 participants, 51.5% were boys, 76.0% were white, and 24.0% were Hispanic.Across all ED diagnoses, boys and girls did not have statistically significant differences in prevalence rates (Table ).Across all ED diagnoses, the overall prevalence rate was 1.4% (95% CI, 1.0%-1.8%).The prevalence of any OSFED diagnosis was 0.7% (95% CI, 0.5%-1.0%).The prevalence of AN was 0.1% (95% CI, 0.0%-0.3%).No cases of BN were present in this sample.Finally, the prevalence of BED was 0.6% (95% CI, 0.4%-0.9%).Discussion | Significant sex differences were not found across ED diagnoses.Similarly, past research with adolescents aged 13 to 18 years did not find sex differences in the prevalence of AN; however, differences emerged for BN, BED, and subthreshold AN, with higher prevalence among girls.6 Taken together, sex differences in EDs may not emerge until adolescence.This is consistent with previous research demonstrating a lack of prepubertal sex differences in EDs, with elevated prevalence of EDs in girls during and after puberty.7 Limitations of the study include the exclusion of OSFED AN, which the KSADS operationally defined only by caregivers' report of emaciation, and no assessment of avoidant and restrictive food intake disorder.Although EDs are not the focus of the ABCD study, use of the KSADS as opposed to a diagnostic tool tailored to EDs is also a limitation.The low prevalence of EDs may have reduced statistical power to detect sex differences.Future researchers may wish to characterize this sample in greater detail, including assessment of race/ethnicity, body mass index, and psychiatric comorbidity.As the ABCD cohort releases additional waves of data, researchers are encouraged to harness this nationally representative, prospective data set to explore developmental risk factors for EDs.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».