MétaCan
Menu
← Retour à la cohorte
Enregistrement W3054015627 · doi:10.1093/pch/pxaa068.105

106 Neighbourhood socioeconomic deprivation and assault injuries in urban youth

2020· article· en· W3054015627 sur OpenAlexaffabout
Tanjot K. Singh, Mayesha Khan, Gavin Tansley, Herbert Chan, Jeffrey R. Brubacher, John A. Staples

Notice bibliographique

RevuePaediatrics & Child Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineDemographyPopulationPoison controlInjury preventionSocioeconomic statusIncidence (geometry)Occupational safety and healthSuicide preventionMedical emergencyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction/Background Youth violence is a major global public health concern. Assault injuries are a major cause of trauma among youth, yet the causes for and medical consequences of assault victimization in this group remain uncertain. Objectives Using data from the third-largest urban area in Canada, we sought to describe the demographic, temporal and geographic influences on the incidence of youth assault injuries. Design/Methods We performed a population-based cross sectional study of Canadian youth aged 10 to 24 years seeking emergency medical care between April 2012 and March 2018 at any of the 16 hospitals in a major Canadian metropolitan area. Injury characteristics were described using graphical and statistical techniques. Neighbourhood material and social deprivation indices were examined as independent predictors of the population incidence of youth assault injury using negative binomial regression and geospatial methods. Results A total of 2,784 assaulted youth sought emergency medical care during the 6-year study interval, corresponding to an incidence rate of 101 youth assault injuries per 100,000 person-years. Assaulted youth were most commonly males between 20 and 24 years of age. Prior diagnoses of substance use and mental health disorders were common. Examination of temporal variation in the incidence of assault injury revealed a 103-fold difference between the riskiest and safest hours of the week (incident rate ratio, 103). The risk of youth assault injury in the most materially deprived quintile of neighbourhoods was more than four-fold greater than that in the wealthiest quintile (incident rate ratio per quintile increase, 1.42; 95%CI [1.27, 1.59]; p <0.001), and the risk of youth assault injury in the most socially deprived quintile of neighbourhoods was more than twelve-fold greater than that in the least deprived quintile (incident rate ratio per quintile increase, 1.88; 95%CI [1.69, 2.11]; p <0.001). Conclusion Assault injuries among youth vary substantially across time and space. Targeted violence prevention interventions might focus on weekend evenings and on socioeconomically deprived neighbourhoods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,722
Score d'incertitude au seuil0,559

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,021
Tête enseignante GPT0,293
Écart entre enseignants0,272 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetInjury Epidemiology and Prevention→Travaux en français237 207→