Self-reported injuries among Canadian adolescents: rates and key correlates
Notice bibliographique
Résumé
INTRODUCTION: Injuries sustained by adolescents in Canada represent a costly public health issue. Much of the limited research in this area uses administrative data, which underestimate injury prevalence by ignoring injuries that are not treated by the health care system. Self-reported data provide population-based estimates and include contextual information that can be used to identify injury correlates and possible targets for public health interventions aimed at decreased injury burden. METHODS: The 2017 wave of the Canadian Community Health Survey was used to calculate the prevalence of self-reported total, intentional and unintentional injuries. We compared injury prevalence according to age, sex, employment status, presence of a mood disorder, presence of an anxiety disorder, smoking and binge drinking. Analyses were performed using logistic regression to identify significantly different injury prevalence estimates across key correlates. RESULTS: Overall past-12-month injury prevalence among adolescents living in Canada was 31.4% (95% CI: 29.4%-33.5%). Most injuries were unintentional. All provinces had estimates within a few percentage points, except Saskatchewan, which had substantially higher prevalence for both overall and unintentional injury. Smoking and binge drinking were significantly associated with higher injury prevalence in most jurisdictions. Remaining correlates exhibited nonsignificant or inconsistent associations with injury prevalence. CONCLUSION: The data suggest that injury prevention interventions aimed at reducing alcohol consumption, particularly binge drinking, may be effective in reducing adolescent injury across Canada. Future research is needed to determine how provincial context (such as mental health support for adolescents or programs and policies aimed at reducing substance use) impacts injury rates.
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 | 0,001 | 0,000 |
| 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 ».