Drownings in Poland in the years 2013-2021 – trends, changes, inequalities, and preliminary conclusions for public health
Notice bibliographique
Résumé
Introduction: Despite progress in the field of water safety, Poland has been experiencing much higher mortality due to drowning than in other countries of the EU region.The main aim of the paper is to examine the changes in drowning frequency and their causes.Material and methods: All available sources of data on drowning in Poland were analysed.Crude and age-standardized mortality rates due to drowning were calculated.A jointpoint regression model was employed in the analysis of long-term trends in annual mortality rates.Results: In total, 7350 persons died due to various types of drowning (ICD-10 codes: W65-W74, V90, V92, X37-X39, X71, Y21) in Poland in the years 2013-2021.The most frequent type of registered drowning was a drowning in natural waters -3990 (54.3% of registered cases).The second cause of death due to drowning were falls into the water -914 (12.4% of cases).Age-standardized death rates of males due to drowning in the years 2013-2021 dropped from 4.3 to 2.7 per 100,000.Among females the age-standardized rate decreased from 0.8 to 0.6 per 100,000.The annual percentage change of mortality (APC) in Poland was -4.0%.The downward trend of mortality was only significant among males (APC = -4.4% vs. APC = -2.6%among females).Mortality reduction was especially high among the youngest age groups: 0-14 years old (APC = -7.9%)and 15-29 years old (APC = -6.5%).Conclusions: There is a need to properly address drowning prevention tailored to groups with risk factors in Poland such as males, elderly people, and people with low socio-economic status.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».