Pediatric violence-related injuries presenting to the emergency department: epidemiology and risk factors
Notice bibliographique
Résumé
Background Physical violence frequently brings victims to seek care in emergency departments, providing opportunity for prevention. Objective To describe physical aggression-related injuries in youth 5–19 years presenting to an urban emergency department and identify risk factors. Methods We used retrospective data from one paediatric tertiary centre affiliated with the Canadian Hospitals Injury Reporting and Prevention Program. Intentional injuries inflicted by other youth were examined from 1998 to 2007. Injuries were classified by age groups and characterised according to type, body part involved, place where they occurred, mechanism and disposition of the patient. Results Five hundred four visits for non-accidental physical injuries were identified. There were 395 (78%) males. Thirty-nine (8%) patients were 5–9 years-old, 251 (50%) were 10–14 years-old and 214 (42%) were 15–19 years-old. Injuries were superficial (23%), open wounds (21%), concussions (19%) and fractures (17%). The head and face were involved most frequently (63%). When information was available, 50% of injuries occurred at school (153 of 306), and 63% involved bodily force (190 of 300). Twenty-five (5%) were admitted to the hospital for more severe injuries. Conclusion In this study, most physical aggression-related injuries in youth occurred in 10–19 year-old boys, involved the head and face, occurred at school and resulted from bodily force. A small minority of patients were admitted. Youth that have been assaulted can be targeted for intervention and follow-up in order to manage the physical and psychological sequelae, as well as prevent their repeated victimisation, their possible evolution into perpetrators and enhance their empowerment.
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 | 0,004 | 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) | 0,000 | 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 ».