Unintentional injury deaths associated with sport and recreation in Québec, Canada, 2006–2019
Notice bibliographique
Résumé
OBJECTIVES: This study examined trends in the frequencies and rates of deaths associated with unintentional injuries in sport and recreation in Québec, Canada, for the period January 2006-December 2019. METHODS: In this descriptive retrospective study, data were extracted from the database of the Bureau du coroner du Québec. Incidence rates were calculated using participation data from the Étude des blessures subies au cours de la pratique d'activités récréatives et sportives au Québec (ÉBARS) and Canadian census population data. Poisson regression was used to investigate changes in death rates over the 14-year period by estimating incidence rate ratios. RESULTS: There were 1937 unintentional injury deaths and the population-based death rate was 1.72 per 100 000 person-years. The participation-based rate was 1.40 per 100 000 participant-years, considering the 24 matching activities in both ÉBARS' editions. Using both population-based and participation-based denominators, separate analyses consistently showed declining death rates in non-motorised navigation and cycling. Deaths related to all-terrain vehicles, snowmobiles, swimming, cycling, motorised navigation and non-motorised navigation activities accounted for 80.2% of all deaths. Drowning was documented as a cause of death in 39.3% of all fatalities. Males represented 86.8% of all deaths, with males aged 18-24 years and 65 and over having the highest rates. CONCLUSION: The death rates of unintentional injury deaths associated with non-motorised navigation and cycling declined, from January 2006 to December 2019. The characteristics and mechanisms of drowning deaths and fatalities that occurred in activities associated with higher death frequencies and rates need to be further investigated.
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 ».