Can child drowning be eradicated? A compelling case for continued investment in prevention
Notice bibliographique
Résumé
Abstract Aim To explore temporal trends in fatal child drowning and benchmark progress across three high‐income countries to provide prevention and future investment recommendations. Methods A total population analysis of unintentional fatal drownings among 0‐ to 19‐year‐olds in Australia, Canada and New Zealand from 2005 to 2014 was undertaken. Univariate and chi‐square analyses were conducted, age‐ and sex‐specific crude rates calculated and linear trends explored. Results A total of 1454 children drowned. Rates ranged from 0.92 (Canada) to 1.35 (New Zealand) per 100 000. Linear trends of crude drowning rates show both Australia (y = −0.041) and Canada (y = −0.048) reduced, with New Zealand (y = 0.005) reporting a slight rise, driven by increased drowning among females aged 15‐19 years (+200.4%). Reductions of 48.8% in Australia, 51.1% in Canada and 30.4% in New Zealand were seen in drowning rates of 0‐ to 4‐year‐olds. First Nations children drowned in significantly higher proportions in New Zealand (X2 = 31.7; P < .001). Conclusion Continual investment in drowning prevention, particularly among 0‐ to 4‐year‐olds, is contributing to a reduction in drowning deaths; however, greater attention is needed on adolescents (particularly females) and First Nation's children. Lessons can be learned from each country's approach; however, further investment and evolution of prevention strategies will be needed to fully eradicate child drowning deaths.
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 | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».