Notice bibliographique
Résumé
Canada implemented a series of laws regulating firearms including background checks and licensing, references, psychological questionnaires, prohibition of paramilitary style rifles, and magazine capacity restrictions in order to decrease the incidences and deaths from mass shootings. The associated effects of these laws were examined over the years 1974 to 2020. A model was constructed using difference-in-differences analysis of firearms and non-firearms mass homicide incidences and death rates. Mass homicides were defined as a homicide due to one event involving three or more deaths. Incidence rates of mass homicide by firearm were found to be 0.11 (95%CI 0.08, 0.14) per million compared to a non-firearm mass homicide rate of 0.12 (95% CI 0.10, 0.15) per million. Mass homicide death rates by firearm were found to be 0.39 (95% CI 0.29, 0.49) per million compared to a non-firearm mass homicide rate of 0.47 (95% CI 0.34, 0.61) per million. Overall, there is a gradual declining trend in the incidence of mass homicide by firearm (IRR 0.97 (95% CI 0.96, 0.98)) and by non-firearm (IRR 0.97 (95% CI 0.97, 0.98)). The decline in mass homicide death rate by firearm and non-firearm is IRR 0.96 (95% CI 0.95, 0.97), and IRR 0.97 (95% CI 0.96, 0.98) respectively. No specific associated decrease in mass homicide incidence rates or death rates with firearms legislation was found after the implementation of background checks and prohibition of full auto firearms in 1980, by the implementation of references and psychological questionnaires in 1994, by the restriction of magazine capacity in 1994, the prohibition of paramilitary rifles in 1994, or licensing in 2001.
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 | 0,000 | 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 ».