A look at the incidence and risk factors for dog bites in unincorporated Harris County, Texas, USA
Notice bibliographique
Résumé
AIM: This study examined the incidence, demographic predictors, and map patterns of dog bites to humans in unincorporated Harris County, Texas, USA. MATERIALS AND METHODS: Dog bites reported to Harris County Veterinary Public Health (HCVPH) between January 1, 2013, and December 31, 2016, were analyzed in this retrospective cohort study. Canine and victim characteristics and bite circumstances were evaluated to establish risk factors for bites. Geographic location was used to produce choropleth maps. RESULTS: There were 6683 dog bites reported to HCVPH between the years of 2013 and 2016, with stable incidence rates over time. The incidence was highest for both children and older adults. Dogs with the primary breed of Pit Bull had the greatest frequency of bites (25.07%), with the second highest breed being Labrador Retrievers (13.72%). Bites were more common from intact dogs of both genders, especially from intact males. Persons aged 70+ had the greatest incidence of severe injury (14.09/100,000). A strong correlation between dog bite incidences and stray dogs was found after controlling for the human population and income. CONCLUSION: Dog bites remain a largely preventable issue, and risk factors identified in this study can help direct preventative efforts to reduce the incidence of dog bites.
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 | 0,000 |
| 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 ».