MétaCan
Menu
Retour à la cohorte
Enregistrement W2018372154 · doi:10.1136/ip.2008.021204

Booster seat laws and child fatalities: a case–control study

2009· article· en· W2018372154 sur OpenAlexaff
P Farmer, Andrew Howard, Linda Rothman, Alison Macpherson

Notice bibliographique

RevueInjury Prevention · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueAutomotive and Human Injury Biomechanics
Établissements canadiensInstitute for Clinical Evaluative SciencesSickKids FoundationHospital for Sick ChildrenYork University
Organismes subventionnairesNational Highway Traffic Safety Administration
Mots-clésBooster (rocketry)CrashInjury preventionPoison controlSeat beltHuman factors and ergonomicsSuicide preventionOccupational safety and healthMedicineForensic engineeringLawDemographyEngineeringMedical emergencyPolitical scienceAutomotive engineeringSociology

Résumé

récupéré en direct d'OpenAlex

A case-control study examined, primarily, the association between booster seat laws and fatalities among children in frontal collisions and, secondarily, the association between booster seat laws and reported restraint use, and restraint use and child fatalities. Children who died in a crash in the US were cases, and children who survived a fatal crash were controls. Subjects were child passengers (4-8 years old) in the Fatality Analysis Reporting System Database, 1995-2005. In states with a booster seat law, children were less likely to die than in states without a law (OR 0.80; 95% CI 0.66 to 0.98). They were also more likely to be restrained (adjusted OR 1.59; 95% CI 1.21 to 2.09) and were more likely to be correctly restrained (adjusted OR 4.44; 95% CI 3.18 to 6.20). It is concluded that booster seat laws are associated with a decrease in child deaths and an increase in correct restraint use among children involved in a fatal crash in the USA.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,018
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,309
Écart entre enseignants0,292 · 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

Citations39
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetAutomotive and Human Injury BiomechanicsTravaux en français237 207