Supervision and guardianship during drowning fatalities among Canadian youth: An 11-year review of a preventable paediatric public health crisis
Notice bibliographique
Résumé
Drowning is a leading cause of injury-related deaths among youth worldwide, often linked to inadequate supervision and ineffective guardianship. While paediatric studies have examined demographics and risk factors, little is known about how these variables interact to influence rescue likelihood. This study addresses that gap using a multivariate binary logistic regression model to assess the odds of not receiving a rescue attempt, using fatality records (n = 638) from coroners and medical examiners across Canada (2006-2016). This approach captures all known accidental fatal drownings but findings cannot be generalized to include incidents in which the individual survived. The best model explained 45.1% of the variance in rescue outcomes (Nagelkerke Pseudo R² = .451) with 84.6% accuracy. Findings revealed that age, sex, alcohol use, perimortem activity, water body type and urban/rural location significantly impacted rescue attempts. However, chronic medical conditions and general bystander presence showed no significant relationship at the bivariate level. When demographics and situational factors were considered, bystander type (with adult, minors only or alone/not witnessed) became a key model contributor for predicting rescue attempt likelihood. Teenagers (15-18 years) accounted for 33.5% of drownings, followed by toddlers (2-4 years, 21.9%) and children (5-11 years, 20.5%). Compared to infants, older children and teens faced greater risks of not being rescued, and bystander presence does not equate to capable guardianship. Open water environments posed the highest risk, with ocean drownings 7.9 times more likely to result in no rescue attempt, compared to domestic settings.
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 | 0,011 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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 ».