MétaCan
Menu
Retour à la cohorte
Enregistrement W6976596148 · doi:10.60692/tqm3g-44323

Unintentional injury mortality in India, 2005: Nationally representative mortality survey of 1.1 million homes

2012· article· en· W6976596148 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2012
Typearticle
Langueen
DomaineEngineering
ThématiquePhysics and Engineering Research Articles
Établissements canadiensCentre for Global Health ResearchUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInjury preventionVerbal autopsyPoison controlMortality rateOccupational safety and healthCause of deathSuicide preventionPopulation

Résumé

récupéré en direct d'OpenAlex

Unintentional injuries are an important cause of death in India. However, no reliable nationally representative estimates of unintentional injury deaths are available. Thus, we examined unintentional injury deaths in a nationally representative mortality survey.Trained field staff interviewed a living relative of those who had died during 2001-03. The verbal autopsy reports were sent to two of the 130 trained physicians, who independently assigned an ICD-10 code to each death. Discrepancies were resolved through reconciliation and adjudication. Proportionate cause specific mortality was used to produce national unintentional injury mortality estimates based on United Nations population and death estimates.In 2005, unintentional injury caused 648,000 deaths (7% of all deaths; 58/100,000 population). Unintentional injury mortality rates were higher among males than females, and in rural versus urban areas. Road traffic injuries (185,000 deaths; 29% of all unintentional injury deaths), falls (160,000 deaths, 25%) and drowning (73,000 deaths, 11%) were the three leading causes of unintentional injury mortality, with fire-related injury causing 5% of these deaths. The highest unintentional mortality rates were in those aged 70 years or older (410/100,000).These direct estimates of unintentional injury deaths in India (0.6 million) are lower than WHO indirect estimates (0.8 million), but double the estimates which rely on police reports (0.3 million). Importantly, they revise upward the mortality due to falls, particularly in the elderly, and revise downward mortality due to fires. Ongoing monitoring of injury mortality will enable development of evidence based injury prevention programs.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,080
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,049
Tête enseignante GPT0,270
Écart entre enseignants0,221 · 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
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetPhysics and Engineering Research ArticlesTravaux en français237 207