Transportation injury inequities among Canadian children in a linked, population-based cohort
Notice bibliographique
Résumé
Transportation injury is a leading cause of morbidity and mortality for children. Risk is inequitable, but transportation injury studies often rely on ecological-level indicators of sociodemographics. This study examines individual and household-level social inequities in Canadian children which increase their risk of bicycling, pedestrian and motor vehicle occupant/driver injuries based on a unique linked data set. We analyzed three cohorts linking Canadian census data to health records: an emergency department (ED) cohort (n = ∼1,731,200), a hospitalization cohort (n = ∼3,615,500) and a mortality cohort (N = ∼4,664,000). We used Poisson regression to estimate the incidence rate ratio (IRR) of pedestrian, bicycling and motor vehicle occupant/driver injuries separately in each cohort. We found positive associations across most outcomes for male children and rural residence. For pedestrian and motor vehicle injuries, older age of the child at onset increased risk, while higher parental education level was protective. A single adult household was a predictor for traffic injury ED visits and hospitalizations for all modes of transportation studied. Commute mode of the child or adults in their household was associated with increased risk of both motor vehicle and bicycling injuries, suggesting it may have indicator value for household mode usage. Children experience varying risks of traffic injury based on household and individual characteristics, underscoring the need for systemic and targeted prevention efforts to reduce injuries and address health disparities. Future work could examine how preventive initiatives interact with social and area-level risk factors for children's traffic injury. • Individual sociodemographic factors influence risk of child transportation injuries. • Low income, low parental education, and rurality increased risk. • Indigenous status was one of the main risk factors for any type of child transportation-related hospitalizations. • Visible minority status, female sex, and urban residence decreased risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».