The cost of firearm violent crime in British Columbia, Canada
Notice bibliographique
Résumé
Introduction: This study aimed to quantify the total cost of violent firearm-related offenses in British Columbia in 2016 Canadian dollars over a five-year period, 2012 to 2016. The purposes of this study were to estimate the direct costs to the health care system and indirect costs to society for violent firearm injuries and deaths; and to estimate criminal justice system costs pertaining to firearm incidents. Methods: Human and economic costs to the health care system and productivity losses were calculated using health administrative datasets such as B.C. Vital Statistics and Discharge Abstract Database. Criminal justice system costs pertaining to firearm incidents were estimated by applying weighted average costs to aggregate expenditures using methodology consistent with that used by Statistics Canada. Results: There was a total of 108 deaths and 245 hospitalizations resulting from violent firearm injuries. The total estimated cost of all violent firearm crime averaged $294,378,985 per year; human costs averaged $188,416,841 per year, where health care costs averaged $3,910,317 per year, productivity losses from workforce and household averaged $17,299,054 and $4,559,470 per year, respectively, and loss of life averaged $162,648,000; and $105,021,145 in criminal justice system costs, and $941,000 in programming costs. Conclusion: This study clearly demonstrates the significant cost of violent firearm injury in British Columbia and the impacts on the health care system, criminal justice system, and to society at large, particularly within the criminal justice system where the costs were significantly higher than health care.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».