Canadian natural resources large-scale projets : social, cultural and economic impacts : synthesis analysis and annotated bibliography of post-project studies
Notice bibliographique
Résumé
This review summarizes the descriptive epidemiology of injuries among women in the United States, highlighting major problems as well as needs and opportunities for intervention and research. Injury mortality rates for 1984-88 were calculated from the National Center for Health Statistics mortality data tapes. Additional injury mortality and all injury morbidity information were derived from existing literature. Studies providing gender-specific U.S. injury information during the last ten years were reviewed. Injuries are the leading causes of death for females to age 34 and are responsible for more years of potential life lost than any other cause of death. The lifetime cost of injuries to females is approximately 50 billion dollars annually. Motor vehicle related injuries, falls, and violence are the most significant injury problems for women. Although morbidity is far greater than mortality, access to information about nonfatal injuries is extremely limited. What evidence does exist points to the importance of domestic assault as a major, underrecognized source of preventable injury. Though the greater magnitude of injury among men frequently eclipses the significance of injury as a problem for women, this paper presents evidence that injury is a problem which should feature prominently in the women's health agenda for the nation. There are pressing research needs to understand the changing trends in injuries to females and to identify appropriate intervention strategies. In addition, the study points to the needs for improvement in data systems to document injury morbidity.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| 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) | 0,000 | 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 ».