MétaCan
Menu
Retour à la cohorte
Enregistrement W2907900782

The Burden of Road Traffic Injuries in Iran and 15 Surrounding Countries: 1990-2016.

2018· article· en· W2907900782 sur OpenAlexaff
Shahrzad Bazargan‐Hejazi, Alireza Ahmadi, Anaheed Shirazi, Elaheh Ainy, Shirin Djalalinia, Seyed‐Mohammad Fereshtehnejad, Nader Jahanmehr, Ali Kiadaliri, Maziar Moradi‐Lakeh, Mahboubeh Parsaeian, Farshad Pourmalek, Kazem Rahimi, Sadaf G Sepanlou, Arash Tehrani, Reza Malekzadeh, Mohsen Naghavi

Notice bibliographique

RevuePubMed · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésYears of potential life lostBurden of diseaseMedicineCause of deathInjury preventionDisease burdenDisability-adjusted life yearPoison controlEnvironmental healthRoad trafficOccupational safety and healthDemographyQuality-adjusted life yearSuicide preventionDiseasePediatricsLife expectancyPopulationCost effectiveness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Global Burden of Disease (GBD) Study provides estimates of deaths, years of life lost (YLL), years of life lived with disability (YLD), and disability-adjusted life years (DALYs) due to 249 causes of death, 315 diseases and injuries, and 79 behavioral, environmental, occupational, and metabolic risk factors in 195 countries, territories, and regions by sex and 20 age categories in 195 countries and regions since 1990. In this study, we aimed to present the burden of road traffic injuries (RTIs) in Iran and 15 surrounding countries in 1990-2016. METHODS: The standard Cause of Death Ensemble modeling (CODEm) is used to estimate deaths due to all causes of injury by age, sex, country and year. A range of 27 causes is used for estimating non-fatal health outcomes based on inpatient and outpatient datasets using DisMod-MR 2.0. Disability-adjusted life years (DALYs) estimate quantify the total burden of years lost due to premature death or disability and was computed by summing the fatal burden and non-fatal burden associated with a cause (i.e., YLL+YLD). RESULTS: In 2016, age-standardized transport injuries in Iran accounted for 35.6 (UI: 29.64-43.44) deaths per 100000 compared to 60.8 (UI: 51.04-72.49) in 1990. Transport injury became the fourth leading cause of death in Iran in 2016, up from the 5th leading cause of death in 1990. The burden of RTIs was mainly caused by motor vehicles and motorcycles and mostly affected the economically productive age groups (15-49), males and children, especially those at school age. Afghanistan with 59.14 deaths (52.09-66.8) and UAE with 53.71 deaths (36.59-72.77) had the largest transport injury death rates per 100000. From 1990 to 2016, Iran had -2.06 annual percent change in transport death rates. The lowest annual percent change is reported for Turkmenistan at -3.43. While Pakistan, UAE and Qatar had the highest annual percent change in transport injury. Across all countries, the observed-to-expected ratios for transport injury death rates varied considerably in 2016.The UAE had the largest age-standardized ratios of observed-to-expected rate (2.93), followed by Oman (2.39), Saudi Arabia (2.23), Afghanistan (2.04) and Iran (1.95). CONCLUSIONS: RTIs continue to be a public health burden in Iran and its neighboring countries, even though, there is evidence for decline in RTIs across all countries except Pakistan. The most frequent sub-causes of death and injury are the motor vehicle, motorcycle, and pedestrian injuries. The most vulnerable road users are children and young adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil0,284

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,202
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations46
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetTraffic and Road SafetyTravaux en français237 207