Epidemiology and association of neighbourhood marginalisation on violent knife assaults in Ontario: a population-based case-control study
Notice bibliographique
Résumé
BACKGROUND: Violent knife assaults ('stabbings') are underappreciated as a source of morbidity and mortality. The two objectives of this study were to describe the epidemiology of stabbing injuries in the population of Ontario, Canada and to assess the associations between two measures of neighbourhood marginalisation-material deprivation and housing instability, and the risk of stabbing injury. METHODS: We conducted a population-based case-control study over 2004-18 using linked administrative data. Cases suffered a stabbing injury resulting in an emergency department visit, hospitalisation or death. Four age and sex-matched controls were matched to each case. Multivariate logistic regression was used to assess the associations between neighbourhood material deprivation as well as housing instability and the risk of injury. Mean annualised injury incidences were estimated using the number of cases identified divided by the total population of Ontario for that year. RESULTS: We identified 26 657 individuals with a stabbing injury, of which 724 (2.7%) were fatal. The mean annualised incidence was 13.4 per 100 000 (95% CI: 12.7 to 15.9). Victims were disproportionately young (median age 25 years; IQR: 20-37 years) males (84.1%), from large urban centres (77.5%), and in the lowest income quintile (39.3%). In multivariate models, neighbourhood material deprivation (OR 1.45, 95% CI: 1.43 to 1.47) and housing instability (OR 1.4, 95% CI: 1.22 to 1.26) were associated with risk of injury. CONCLUSIONS: Stabbing injuries are a substantial public health problem that affects individuals of all ages and demographics but disproportionately affects younger men in urban settings. There is a weak association between residence in marginalised neighbourhoods and the risk of stabbing injury. Future studies should aim to better understand the nature of this association and consider opportunities for public health interventions to reduce the burden of violent knife injuries.
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 | 0,008 | 0,001 |
| 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 ».