Effect of firearms legislation on suicide and homicide in Canada from 1981 to 2016
Notice bibliographique
Résumé
Canada implemented a series of laws regulating firearms including background and psychological screening, licensing, and training in the years 1991, 1994, and 2001. The effects of this legislation on suicide and homicide rates were examined over the years 1981 to 2016. Models were constructed using difference-in-difference analysis of firearms and non firearms death rates from 1981 to 2016. In addition, negative binomial regression was used to test for an association between rates of suicide by Canadian Province and firearms prevalence, using licensing rates as a proxy for prevalence. No associated benefit from firearms legislation on aggregate rates of male suicide was found. In men aged 45 to 59 an associated shift from firearms suicide after 1991 and 1994 to an increase in hanging resulted in overall rate ratios of 0.994 (95%CI, 0.978,1.010) and 0.993 (95%CI, 0.980,1.005) respectively. In men 60 and older a similar effect was seen after 1991, 1994, and 2001, that resulted in rate ratios of 0.989 (95%CI, 0.971,1.008), 0.994 (95%CI, 0.979,1.010), and 1.010 (95%CI, 0.998,1.022) respectively. In females a similar effect was only seen after 1991, rate ratio 0.983 (95%CI, 0.956,1.010). No beneficial association was found between legislation and female or male homicide rates. There was no association found with firearm prevalence rates per province and provincial suicide rates, but an increased association with suicide rates was found with rates of low income, increased unemployment, and the percentage of aboriginals in the population. In conclusion, firearms legislation had no associated beneficial effect on overall suicide and homicide rates. Prevalence of firearms ownership was not associated with suicide rates. Multifaceted strategies to reduce mortality associated with firearms may be required such as steps to reduce youth gang membership and violence, community-based suicide prevention programs, and outreach to groups for which access to care may be a particular issue, such as Aboriginals.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».