Rates of serious injury from falls in children and adolescents: 10-year retrospective review of data from Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Serious fall-related injuries among children and youth are a preventable public health issue; however, there is a paucity of data and indicators specific to these injuries. We aimed to report an indicator of serious fall injuries within the paediatric population aged 0-19 years in Ontario, Canada. SECONDARY OBJECTIVES: Examine the data by age group, sex and mechanism of injury. METHODS: All fall-related hospitalisations in Ontario among children and youth aged 0-19 years from 2010 to 2019 were analysed. International Classification of Diseases, 10th Revision diagnostic codes defined serious and non-serious paediatric fall injuries. Rates per 100 000 population were calculated. We report serious fall injuries by age group, sex and mechanism of injury. RESULTS: Falls accounted for 22 948 non-serious fall hospitalisations (rate=761.1/100 000; 95% CI 751.3 to 770.9) and 3652 serious fall-related hospitalisations (rate=120.9/100 000; 95% CI 117.0 to 124.8) in Ontario from 2010 to 2019. The highest rate of serious falls among females was observed in the 0-4 age group (150.3/100 000; 95% CI 137.2 to 163.3), while for males, the highest rate was in the 15-19 age group (206.9/100 000; 95% CI 193.0 to 220.7). Overall, males (rate=152.7, 95% CI 146.6 to 158.9) reported higher rates of serious fall injuries compared with females (rate=87.5, 95% CI 82.7 to 92.3). CONCLUSIONS: A significant number of preventable serious fall hospitalisations occurred in Ontario from 2010 to 2019 with the highest rate in older males, followed by younger females. The serious fall indicator identifies important information such as target populations and mechanisms that can be used to prioritise prevention efforts to reduce the burden of fall injury in the paediatric population.
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) | 0,001 | 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) | 0,001 | 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 ».