MétaCan
Menu
Retour à la cohorte
Enregistrement W3212167108 · doi:10.1136/bmjopen-2021-053859

Firearm injury epidemiology in children and youth in Ontario, Canada: a population-based study

2021· article· en· W3212167108 sur OpenAlexafffundabout
Natasha Saunders, Charlotte Moore Hepburn, Anjie Huang, Claire de Oliveira, Rachel Strauss, Lisa Fıksenbaum, Paul Pageau, Ning Liu, David Gómez, Alison Macpherson

Notice bibliographique

RevueBMJ Open · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGun Ownership and Violence Research
Établissements canadiensUniversity of OttawaInstitute for Clinical Evaluative SciencesSickKids FoundationYork UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineEpidemiologyInjury preventionPoison controlOccupational safety and healthSuicide preventionHuman factors and ergonomicsPublic healthPopulationMedical emergencyFamily medicinePopulation based studyEnvironmental healthNursingPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND OBJECTIVE: Despite firearms contributing to significant morbidity and mortality globally, firearm injury epidemiology is seldom described outside of the USA. We examined firearm injuries among youth in Canada, including weapon type, and intent. DESIGN: Population-based, pooled cross-sectional study using linked health administrative and demographic databases. SETTING: Ontario, Canada. PARTICIPANTS: All children and youth from birth to 24 years, residing in Ontario from 1 April 2003 to 31 March 2018. EXPOSURE: Firearm injury intent and weapon type using the International Classification of Disease-10 CM codes with Canadian enhancements. Secondary exposures were sociodemographics including age, sex, rurality and income. MAIN OUTCOMES: Any hospital or death record of a firearm injury with counts and rates of firearm injuries described overall and stratified by weapon type and injury intent. Multivariable Poisson regression stratified by injury intent was used to calculate rate ratios of firearm injuries by weapon type. RESULTS: Of 5486 children and youth with a firearm injury (annual rate: 8.8/100 000 population), 90.7% survived. Most injuries occurred in males (90.1%, 15.5/100 000 population). 62.3% (3416) of injuries were unintentional (5.5/100 000 population) of which 1.9% were deaths, whereas 26.5% (1452) were assault related (2.3/100 00 population) of which 18.7% were deaths. Self-injury accounted for 3.7% (204) of cases of which 72.0% were deaths. Across all intents, adjusted regression models showed males were at an increased risk of injury. Non-powdered firearms accounted for half (48.6%, 3.9/100 000 population) of all injuries. Compared with handguns, non-powdered firearms had a higher risk of causing unintentional injuries (adjusted rate ratio (aRR) 14.75, 95% CI 12.01 to 18.12) but not assault (aRR 0.84, 95% CI 0.70 to 1.00). CONCLUSIONS: Firearm injuries are a preventable public health problem among youth in Ontario, Canada. Unintentional injuries and those caused by non-powdered firearms were most common and assault and self-injury contributed to substantial firearm-related deaths and should be a focus of prevention efforts.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,029
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,160
Tête enseignante GPT0,456
Écart entre enseignants0,296 · 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

Citations17
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetGun Ownership and Violence ResearchTravaux en français237 207