Blessures et décès par arme à feu en Colombie-Britannique (Canada) : épidémiologie et profils de défavorisation
Bibliographic record
Abstract
Introduction Les blessures par arme à feu sont un problème de santé publique important au Canada. Cette étude vise à déterminer le taux d’incidence des blessures par arme à feu en Colombie-Britannique (C.-B.) et à étudier leur répartition en fonction de caractéristiques démographiques, de l’intention, de la résidence en milieu urbain ou rural et de la défavorisation du quartier. Méthodologie Les blessures par arme à feu sont un problème de santé publique important au Canada. Cette étude vise à déterminer le taux d’incidence des blessures par arme à feu en Colombie-Britannique (C.-B.) et à étudier leur répartition en fonction de caractéristiques démographiques, de l’intention, de la résidence en milieu urbain ou rural et de la défavorisation du quartier. Résultats Notre étude a porté sur 1868 blessures par arme à feu, mortelles et non mortelles, dont 46,4 % de blessures auto-infligées. Le taux annuel de blessures était de 3,93 pour 100 000. Les taux les plus élevés ont été observés chez les hommes de 15 à 34 ans, ainsi que dans les régions rurales et éloignées, dans les quartiers dont la composition ethnoculturelle était la moins diversifiée et dans les quartiers où les degrés de vulnérabilité situationnelle et de dépendance économique étaient les plus élevés. Nous n’avons pas observé de différence de taux significative entre les quintiles d’instabilité résidentielle. Les caractéristiques de marginalisation associées aux lésions auto-infligées correspondaient au profil de défavorisation agrégé. Les agressions étaient plus fréquentes dans les quartiers où la vulnérabilité situationnelle était élevée et où les populations étaient diversifiées et les lésions accidentelles étaient plus fréquentes dans les quartiers où la vulnérabilité situationnelle était élevée. Conclusion Cette étude a révélé que les blessures par arme à feu ne sont pas réparties uniformément au sein de la population de C.-B. lorsqu’on tient compte des déterminants démographiques, de la défavorisation des quartiers ainsi que des milieux urbains ou ruraux de résidence. Nous avons observé divers profils de défavorisation selon l’intention à l’origine de la blessure ou du décès. Ces résultats montrent l’importance de s’attaquer aux causes profondes des blessures par arme à feu par des interventions systémiques axées sur la prévention du suicide, la réduction de la pauvreté ainsi que la promotion de l’emploi et de l’éducation.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".