Firearm injury epidemiology in children and youth in Ontario, Canada: a population-based study
Notice bibliographique
Résumé
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 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 | 0,004 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».