Socio-demographic and substance use characteristics of unintentional injuries among Nunavik youth
Notice bibliographique
Résumé
This study described the distribution of unintentional injuries among Inuit youth in Nunavik, Quebec, Canada, and examined the relationship between socio-demographic factors, substance use and unintentional injuries.A cross-sectional study design was used on data collected for the Nunavik Child Development Study (2013-2015) among eligible youth aged 16 to 21 years old. Unintentional injury occurrence and causes (last 12 months) were assessed through individual interviews. A multivariate logistic regression model tested the relationship between socio-demographic, substance use variables and unintentional injury occurrence.Among the 199 youth who participated (94% response rate), thirty youth reported being unintentionally injured in the past 12 months , of which 50% were female. All-terrain vehicle collisions were the most frequent injuries reported (23%). The odds of being injured decreased by 62% for youth who were currently employed compared to those who were unemployed, adjusting for other socio-demographic variables (p-value = 0.04). Heavy alcohol drinking in the past 12 months was not significantly associated with unintentional injury.This study highlights the burden of unintentional injuries among Nunavik youth and the need for future work to explore additional and diverse variables that may prevent or contribute to injuries in order to inform culturally and developmentally-appropriate injury prevention strategies.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».