MétaCan
Menu
Retour à la cohorte
Enregistrement W4387744375 · doi:10.3390/fire6100399

Economic Costs of Residential Fires: A Systematic Review

2023· review· en· W4387744375 sur OpenAlexaboutno aff
Fahmida Rahman, Kathy Tannous, Gulay Avsar, Kingsley Agho, Nargess Ghassempour, Lara Harvey

Notice bibliographique

RevueFire · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensnon disponible
Organismes subventionnairesWestern Sydney University
Mots-clésScopusEconomic costEconomic impact analysisIncentiveProductivityCost–benefit analysisBusinessCINAHLGrey literatureEnvironmental healthGeographyPsychological interventionEconomic growthMEDLINEMedicineEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Globally, most fire-related deaths and injuries occur in residential areas. The aim of this systematic review is to report on the economic costs of residential fires from a societal perspective. Five databases (MEDLINE, EMBASE, EconLit, CINAHL, and Scopus) and grey literature were searched to identify studies that report economic or societal costs of residential fires with data from 1978 to 2021. There were no restrictions on study design. A narrative synthesis was undertaken based on the societal and economic costs reported for each included study. Seven studies from the United States, Canada, Australia, and Kuwait reported costs of residential fires. The costs of injuries and deaths were between USD 12 million and USD 5 billion, and between USD 75 million and USD 26 billion, respectively. The costs of treatment ranged from USD 0.3 million to USD 551 million, lost productivity from USD 12 million to USD 4 billion, and property damage from USD 8 million to USD 10 billion. This systematic review provides the most comprehensive evidence to date on the economic costs of residential fires. This study would offer insights into the effects of residential fires on diverse economic agents and aid in community fire prevention messaging and incentives.

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)0,006
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0090,010
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,419
Écart entre enseignants0,343 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFireMême sujetInjury Epidemiology and PreventionTravaux en français237 207