Association of Drowning Mortality with Preventive Interventions: A Quarter of a Million Deaths Evaluation in Brazil
Notice bibliographique
Résumé
In 2015, drowning in Brazil was responsible for 6,043 deaths and was the second leading cause of death in children. Although several prevention strategies have been promoted to reduce drowning, most are still based on low levels of evidence. This study evaluated the effectiveness of prevention and water safety interventions in reducing drowning mortality. Data obtained from the National Mortality System for 36 years were split in two time periods to allow the comparison of drowning mortality numbers before and after implementation of SOBRASA’s drowning prevention and water safety programs and to check for any positive effects attributable to such programs. To assess differences between the two periods, a “drowning water safety score” (DSS) was estimated and compared to mortality/100,000 of population. There were 258,834 drowning deaths over 36 years. A significant decrease of 27% in drowning rates (5.2 to 3.8/100,000; p<0.05) was observed when comparing the pre and post-preventive interventions time periods. Males died 5.3 times more frequently than females, and mortality was higher in the 15-19-year age group (16.4%;4.7/100,000) than in other age groups. A linear dependent association was observed between prevention and water safety interventions and years affiliated to the national lifesaving organization (SOBRASA). A strong and significant association (OR=241.7; CI95% [9.0–64.84]) between DSS and drowning reduction was observed. The DSS is a fundamental measure for institutions/municipalities/states/countries to estimate the efforts needed to achieve their drowning reduction goals. From this study, a DSS above 100 (i.e.: 10 actions implemented over 10 years) was able to reduce drowning deaths by as much as 2.3% a year.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».