An underappreciated cause of ocean-related fatalities: A systematic review on the epidemiology, risk factors, and treatment of snorkelling-related drowning
Notice bibliographique
Résumé
AIM: Snorkelling is a popular aquatic activity which may result in fatal and non-fatal drowning. However, little is known about the scale of injury, factors impacting risk and strategies for prevention. This review assesses the current literature on snorkelling-related drowning with the aim of assessing available data, improving safety recommendations and reducing the global mortality burden. METHODS: A systematic review of peer-reviewed literature in English, Spanish and Portuguese language published between 1 January 1980 and 31 October 2020 was conducted using the PRISMA guidelines. CINAHL Complete, Embase, Medline (Ovid), PubMed, SafetyLit, SportDiscus and grey literature were searched to identify studies reporting the incidence of fatal and non-fatal snorkelling-related drowning, or associated risk factors, prevention strategies, treatments or casualty characteristics. Quality was assessed using the NIH Quality Assessment Tool. RESULTS: Forty-three studies were included (26 reporting population data, 17 case series), of which 27 (62.8%) studies reported data from Australia. Incidence was reported as about 8% of total ocean-related drownings. Case series documented 144 fatalities over 17 years. Frequent casualty characteristics include male (82.6%), pre-existing heart disease (59.4%), tourists (73%) who were inexperienced (71.0%), and lack of a buddy system (89.6%). Two at-risk profiles identified were older adult tourists with pre-existing medical conditions and local, experienced spearfishers. Twenty-two expert recommendations were developed to improve the safety of snorkellers related to individuals, tourism companies, government agencies and diving organisations. CONCLUSION: Snorkelling-related drownings are not infrequent, and there are many opportunities to improve the safety of this activity based on available data.
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 | 0,009 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,007 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».