MétaCan
Menu
Retour à la cohorte
Enregistrement W4229442042 · doi:10.24095/hpcdp.42.5.03f

Blessures autodéclarées chez les adolescents canadiens : taux et principaux corrélats

2022· article· fr· W4229442042 sur OpenAlexaffvenueabout
Kathleen MacNabb, Nathan K. Smith, Alysia Robinson, Gabriela Ilie, Mark Asbridge

Notice bibliographique

RevuePromotion de la santé et prévention des maladies chroniques au Canada · 2022
Typearticle
Languefr
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGynecologyMedicinePhilosophy

Résumé

récupéré en direct d'OpenAlex

Introduction Les blessures subies par les adolescents au Canada constituent un problème de santé publique coûteux. Les recherches, limitées, qui ont été faites dans ce domaine reposent en grande partie sur des données administratives, qui sous-estiment la prévalence des blessures en omettant celles qui ne sont pas traitées par le système de santé. Les données autodéclarées fournissent des estimations à l’échelle de la population et comprennent des informations contextuelles utilisables pour déterminer les corrélats des blessures et les cibles possibles d’interventions en santé publique visant à réduire le fardeau des blessures. Méthodologie À l’aide des données de la vague de 2017 de l’Enquête sur la santé dans les collectivités canadiennes, nous avons calculé la prévalence des blessures autodéclarées, globalement et en fonction de leur caractère intentionnel ou non. Nous avons comparé la prévalence des blessures en fonction de l’âge, du sexe, de l’activité professionnelle, de la présence d’un trouble de l’humeur, de la présence d’un trouble d’anxiété, du tabagisme et de la consommation excessive d’alcool. Nous avons effectué les analyses à l’aide d’une régression logistique en vue d’établir les principaux corrélats pour lesquels les estimations de la prévalence sont significativement différentes. Résultats La prévalence globale des blessures subies au cours des 12 derniers mois précédant l’enquête chez les adolescents vivant au Canada était de 31,4 % (IC à 95 % : 29,4 % à 33,5 %). La plupart des blessures n’étaient pas intentionnelles. Quelques points de pourcentage seulement séparaient les estimations correspondant aux différentes provinces, à l’exception de la Saskatchewan, où la prévalence était nettement plus élevée pour l’ensemble des blessures et pour les blessures non intentionnelles. Le tabagisme et la consommation excessive d’alcool ont été significativement associés à une plus grande prévalence des blessures dans la plupart des provinces. Les autres corrélats présentaient des associations non significatives ou inconsistantes avec la prévalence des blessures. Conclusion D’après les données, les interventions de prévention des blessures visant à réduire la consommation d’alcool, en particulier la consommation excessive d’alcool, seraient efficaces pour réduire les blessures chez les adolescents au Canada. D’autres recherches seront nécessaires pour déterminer comment le contexte provincial (comme le soutien en santé mentale pour les adolescents ou les programmes et politiques visant à réduire la consommation de substances) a un effet sur les taux de blessures.

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)0,020
score de la tête « metaresearch » (Gemma)0,080
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 enseignants0,869
Score d'incertitude au seuil0,260

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,080
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,019
Tête enseignante GPT0,322
Écart entre enseignants0,303 · 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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePromotion de la santé et prévention des maladies chroniques au CanadaMême sujetInjury Epidemiology and PreventionTravaux en français237 207