ICD-9-CM and ICD-10-CA codes.
Notice bibliographique
Résumé
<div> Introduction Traumatic physical injuries are the number one cause of hospitalization and death among children in Canada. The majority of these injuries are preventable. The burden from injury can be reduced through prevention programs tailored to at-risk groups, however, existing research does not provide a strong explanation of how social factors influence a child’s risk of injury. We propose a theoretical framework to better understand social factors and injury in children and will examine the association between these social factors and physical traumatic injury in children using large population-wide data. Methods and analysis We will examine data from 11,000 children hospitalized for traumatic physical injury and 55,000 matched uninjured children by linking longitudinal administrative and clinical data contained at the Manitoba Centre for Health Policy. We will examine 14 social determinants of child health measures from our theoretical framework, including receipt of income assistance, rural/urban status, socioeconomic status, children in care, child mental disorder, and parental factors (involvement with criminal justice system, education, social housing, immigration status, high residential mobility, mother’s age at first birth, maternal Axis I mental disorder, maternal Axis II mental disorder and maternal physical disorder) to identify groups and periods of time when children are at greatest risk for traumatic physical injury. A conditional multivariable logistic regression model will be calculated (including all social determinant measures) to determine odds ratios and adjusted odds ratios (95% confidence interval) for cases (injured) and controls (non-injured). Ethics and dissemination Health Information Privacy Committee (HIPC No. 2017/2018-75) and local ethics approval (H2018-123) were obtained. Once social measures have been identified through statistical modelling, we will determine how they fit into a Haddon matrix to identify appropriate areas for intervention. Knowing these risk factors will guide decision-makers and health policy. </div>
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 | 0,000 | 0,003 |
| 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 | 0,001 | 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) | 0,321 | 0,103 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».