Drowning: Global Burden, Risk Factors, and Prevention Strategies
Notice bibliographique
Résumé
Abstract Drowning has been described as a major global public health problem and has recently been acknowledged by a United Nations Declaration on Global Drowning Prevention. While drowning impacts countries of all income levels, the burden is overwhelmingly borne by low- and middle-income countries (LMICs) who account for 90% of the global death toll. In addition, there is scarce data collection on drowning in LMICs, so the magnitude of drowning may be far greater than is represented. A range of factors including sex, age, education, income, access to water, a lack of swimming skills, certain occupations like commercial fishing, geographically isolated and flood-prone locations, preexisting medical conditions, and unsafe water transport systems, influence the risk of drowning. Some behavioral factors, such as alcohol or drug consumption, not wearing life jackets, and engaging in risky behaviors such as swimming or boating alone, increase drowning risk. Geopolitical factors such as migration and armed conflict can also impact drowning risk. There is a growing body of evidence on drowning prevention strategies. These include pre-event interventions such as pool fencing, enhancing community education and awareness, providing swimming lessons, use of lifejackets, close supervision of children by adults, and boating regulations. Interventions to reduce harm from drowning include appropriate training for recognition of a drowning event, rescue, and resuscitation. An active and/or passive surveillance system for drowning, focusing on individual settings and targeting populations at risk, is required. Drowning requires coordinated multisectoral action to provide effective prevention, rescue, and treatment. Therefore, all countries should aim to develop a national water safety plan, as recommended in the WHO Global Report on Drowning. Further research is required on the epidemiology and treatment of drowning in LMICs as well as non-fatal and intentional drowning in both high-income countries (HICs) and LMICs. Effective and context-specific implementation of drowning prevention strategies, including pilot testing, scale up and evaluation, are likely to help reduce the burden of both fatal and non-fatal drowning in all countries.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».