MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411874096 · doi:10.1038/s41598-025-04317-5

A Cross-Sectional Study of Drowning in Saudi Arabia Using First Responder Data

2025· article· en· W4411874096 sur OpenAlexaff
Kholood K. Altassan, Reema M. Alhussein, Rawan T Ghandour, Khalid Aldossari, Naif Aldossari, Meshal Alghamdi, Fahad Almutlaq, ‏Yousef Alsofayan, Mohammed K Alageel

Notice bibliographique

RevueScientific Reports · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensUniversity of British ColumbiaUniversity of British Columbia Hospital
Organismes subventionnairesKing Saud University
Mots-clésIncidence (geometry)MedicineEpidemiologyCross-sectional studyInjury preventionPublic healthOccupational safety and healthPoison controlEnvironmental healthSuicide preventionGeographyMedical emergencyDemographyPathology

Résumé

récupéré en direct d'OpenAlex

Drowning is a significant public health issue and is considered one of the most avoidable yet underappreciated causes of mortality worldwide. Drowning likely presents a significant public health burden in Saudi Arabia, especially in children. To our knowledge only three studies have been conducted investigating drowning in Saudi Arabia, all of which were single center hospital-based studies. This is the first national cross-sectional study to assess drowning epidemiology in Saudi Arabia and the first to utilize first responder data. This study's main objectives are to quantify the burden of drowning in Saudi Arabia, and describe the epidemiological profile and geographic distribution of drowning cases across the country. We conducted a cross-sectional study using electronic data from the Saudi Red Crescent Authority (SRCA) on drowning incidents between January 2019 to November 2021. Descriptive statistics such as frequencies and percentages were calculated using the Statistical Package for the Social Sciences (SPSS), software for Windows (version 23.0). Men and children under 4 had the highest incidence of drowning, with 2021 incidence rates of 19.86 and 54.08 per million, respectively. The regions of Makkah, Riyadh, and Dammam, had the largest number of cases, accounting for 30.49% (n = 501), 19.84% (n = 326), and 13.02% (n = 214) of all cases respectively. The regions with the highest drowning incidence in 2021 were Tabuk, Al-baha, Makkah, Jizan, and Hail with incidence rates of 32.32, 27. 96, 22.28, 20.97, and 20.5 per million people, respectively. Drowning is a leading cause of death in Saudi Arabia and globally, with young children most at risk. Our study identifies data gaps and high-incidence areas requiring further investigation. The low bystander cardiopulmonary resuscitation (CPR) rate and high mortality call for better public education on drowning prevention and first aid.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,106
Tête enseignante GPT0,425
Écart entre enseignants0,320 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetInjury Epidemiology and Prevention→Travaux en français237 207→