Hospitalisations pour blessures non intentionnelles chez les adultes au Canada, dans les régions ayant un fort pourcentage de résidents d'identité autochtone
Bibliographic record
Abstract
Introduction Les blessures constituent une cause importante de décès et de morbidité. Bien qu'aucun indicateur d'identité autochtone ne soit directement disponible dans les bases de données administratives nationales, cette étude porte sur les hospitalisations pour blessure non intentionnelle, selon la cause, dans les régions ayant un fort pourcentage de résidents d'identité autochtone. Méthodologie Nous avons calculé les taux d'hospitalisation normalisés selon l'âge (THNA) et les rapports de taux pour 2004-2005 à 2009-2010, à partir de la Base de données sur les congés des patients. Résultats Les chutes étaient la cause principale de blessure. Les THNA étaient plus élevés pour les hommes comme pour les femmes dans les régions ayant un fort pourcentage de membres des Premières nations; dans les régions ayant un fort pourcentage de Métis, c'est chez les hommes de 20 à 29 ans que le THNA global était le plus élevé, tandis qu'il était le plus bas chez les hommes de tous les groupes d'âge dans les régions à fort pourcentage d'Inuits. Certaines causes, telles que les chutes, étaient associées à un THNA élevé mais avec un rapport de taux semblable à celui observé pour toutes causes confondues; d'autres causes, comme les blessures par arme à feu chez les hommes dans les régions à fort pourcentage de membres des Premières nations, présentaient un THNA relativement faible mais un rapport de taux élevé. Les résidents des régions à fort pourcentage d'Autochtones présentaient un THNA pour blessure plus élevé que ceux des régions à faible pourcentage d'Autochtones. Conclusion Les résidents des régions à fort pourcentage d'Autochtones vivent dans des régions dont le statut socioéconomique était faible, ce qui invite à une recherche plus approfondie à propos des différences de taux entre régions.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".