MétaCan
Menu
Retour à la cohorte
Enregistrement W3116426216 · doi:10.1111/cag.12672

Unintentional injury deaths among youth in Ontario, Canada from 2000 to 2015: Rates are falling but there are caveats

2020· article· en· W3116426216 sur OpenAlexafffundvenueabout
Peter Kitchen, Lisa Kaida, Noori Akhtar‐Danesh, Allison Williams

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensMcMaster University
Organismes subventionnairesInstitute of Gender and Health
Mots-clésFalling (accident)DemographyMortality rateFellCensusInjury preventionCause of deathMedicinePoison controlGeographySuicide preventionOccupational safety and healthEnvironmental healthPopulationDiseaseCartography

Résumé

récupéré en direct d'OpenAlex

Youth may be susceptible to certain types of unintentional injuries that place them at risk of death. The objective of this research was to study trends in these deaths among youth (age 15 to 24) in the Canadian province of Ontario between 2000 and 2015. It is the first study to directly assess intra‐provincial trends. Our analysis of Statistics Canada's Vital Statistics – Death Database from 2000 to 2015 finds unintentional injury death rates among youth fell during this period and particularly in Ontario, where rates were significantly lower than other regions. The motor vehicle traffic death rate fell further in that province than it did nationally. The largest urban areas in the province had the lowest death rates, while several Census Divisions in the “near” north (including parts of “cottage country”) and “far” north had the highest. The unintentional injury death rate as a result of drugs and alcohol (particularly related to opioids) increased during this period, particularly in “North/Remote” areas of Ontario. To deal with the rise in drug‐ and alcohol‐related death rates, further consideration can be given to the unmeasured factors that may contribute to the use of dangerous drugs among youth.

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)0,002
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,031
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,008
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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

Citations1
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetInjury Epidemiology and PreventionTravaux en français237 207