Firearm-related injuries and deaths in Ontario, Canada, 2002–2016: a population-based study
Notice bibliographique
Résumé
BACKGROUND: Firearm-related injury is an important and preventable cause of death and disability. We describe the burden, baseline characteristics and regional rates of firearm-related injury and death in Ontario. METHODS: We conducted a population-based cross-sectional study using linked data from health administrative data sets held at ICES. We identified residents of Ontario of all ages who were injured or died as a result of a firearm discharge between Apr. 1, 2002, and Dec. 31, 2016. We included injuries classified as assault, unintentional, self-harm or undetermined intent secondary to handguns, rifles, shotguns and larger firearms. The primary outcome was the incidence of nonfatal and fatal injuries resulting in an emergency department visit, hospital admission or death. We also describe regional and temporal rates. RESULTS: We identified 6483 firearm-related injuries (annualized injury rate 3.54 per 100 000 population), of which 2723 (42.3%) were fatal. Assault accounted for 40.2% (1494/3715) of nonfatal injuries and 25.5% (694/2723) of deaths. Young men, predominantly in urban neighbourhoods, within the lowest income quintile were overrepresented in this group. Injuries secondary to self-harm accounted for 68.0% (1366/2009) of injuries and occurred predominantly in older men living in rural Ontario across all income quintiles. The case fatality rate of injuries secondary to self-harm was 91.7%. Self-harm accounted for 1842 deaths (67.6%). INTERPRETATION: We found that young urban men were most likely to be injured in firearm-related assaults and that more than two-thirds of self-harm-related injuries occurred in older rural-dwelling men, most of whom died from their injuries. This highlights a need for suicide-prevention strategies in rural areas targeted at men aged 45 or older.
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 | 0,002 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».