Strengthening surveillance of consumer products in Canada: the vaping example
Notice bibliographique
Résumé
INTRODUCTION: The overall objective of this study was to demonstrate how information collected by the Consumer Product Safety Program ("the Program") can be used to identify emerging hazards. Specifically, this study characterized and quantified trends associated with vaping reports received by the Program over the past five years. METHODS: Data collated by the Program were extracted for the period from 1 January, 2015 to 30 September, 2019. The data were summarized using descriptive statistics and trends were quantified for annual percent change. In order to compare characteristics of vaping reports, the proportionate injury ratios (PIRs) and corresponding 95% CIs were used to compare vaping-related injuries to all other reports received by the Program. RESULTS: A total of 71 vaping-related reports were received between 1 January, 2015 and 30 September, 2019. During this period, the annual percent change increase in the number of reports received was approximately 73% annually (p < .05). Among the reported injuries, 41% were burn injuries. Proportionally, there were more vaping reports involving males (PIR = 1.89; 95% CI: 1.51-2.36) and individuals between the ages of 15 and 19 years (PIR = 11.53; 95 % CI: 4.95-26.8) as compared to all other reports submitted to the Program. CONCLUSIONS: While the number of reports relating to vaping products is small, the results of this analysis suggest that certain groups, including males and youth, are more likely to be the subject of a vaping-related incident.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».