MétaCan
Menu
Retour à la cohorte
Enregistrement W3195643888 · doi:10.1186/s12889-021-11610-1

Examining the relationship between food insecurity and causes of injury in Canadian adults and adolescents

2021· article· en· W3195643888 sur OpenAlexafffundabout
F. K. Men, Marcelo L. Urquía, Valerie Tarasuk

Notice bibliographique

RevueBMC Public Health · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of ManitobaSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of Toronto
Mots-clésMedicineRelative riskConfidence intervalDemographyEnvironmental healthIncidence (geometry)Rate ratioPopulationPoison controlPublic healthEmergency departmentInjury preventionBiostatisticsSocioeconomic statusExternal causeHazard ratioEpidemiologyPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Food insecurity, as an indicator of socioeconomic disadvantages and a determinant of health, may be associated with injury by increasing risk exposure and hampering risk mitigation. We examined the association between food insecurity and common causes of injury in the general population. METHODS: Linking the Canadian Community Health Survey 2005-2017 to National Ambulatory Care Reporting System 2003-2017, this retrospective cohort study estimated incidence of injury-related emergency department (ED) visits by food insecurity status among 212,300 individuals 12 years and above in the Canadian provinces of Ontario and Alberta, adjusting for prior ED visits, lifestyle, and sociodemographic characteristics including income. RESULTS: Compared to those in food-secure households, individuals from moderately and severely food-insecure households had 1.16 (95% confidence interval [CI] 1.07-1.25) and 1.35 (95% CI 1.24-1.48) times higher incidence rate of ED visits due to injury, respectively, after confounders adjustment. The association was observed across sex and age groups. Severe food insecurity was associated with intentional injuries (adjusted rate ratio [aRR] 1.81; 95% CI 1.29-2.53) including self-harm (aRR 1.87; 95% CI 1.03-3.40) and violence (aRR 1.79; 95% CI 1.19-2.67) as well as non-intentional injuries (aRR 1.34; 95% CI 1.22-1.46) including fall (aRR 1.43; 95% CI 1.24-1.65), medical complication (aRR 1.39; 95% CI 1.06-1.82), being struck by objects (aRR 1.43; 95% CI 1.07-1.91), overexertion (aRR 1.31; 95% CI 1.04-1.66), animal bite or sting (aRR 1.60; 95% CI 1.08-2.36), skin piercing (aRR 1.80; 95% CI 1.21-2.66), and poisoning (aRR 1.65; 95% CI 1.05-2.59). Moderate food insecurity was associated with more injuries from violence (aRR 1.56; 95% CI 1.09-2.21), falls (aRR 1.22; 95% CI 1.08-1.37), being struck (aRR 1.20; 95% CI 1.01-1.43), and overexertion (aRR 1.25; 95% CI 1.04-1.50). Moderate and severe food insecurity were associated with falls on stairs and being struck in non-sports settings but not with falls on same level or being struck during sports. Food insecurity was not related to transport injuries. CONCLUSIONS: Health inequity by food insecurity status extends beyond diseases into differential risk of injury, warranting policy intervention. Researchers and policymakers need to address food insecurity as a social determinant of injury to improve health equity.

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)0,004
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 enseignants0,020
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,339
Tête enseignante GPT0,444
Écart entre enseignants0,104 · 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

Citations18
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207