Risk Factors for School Absence After Acute Orthopaedic Injury in New York City
Notice bibliographique
Résumé
The purpose of our study is to identify specific factors that affect a child's ability to attend school after an acute orthopaedic injury. One hundred and sixty-four school-aged patients receiving treatment for an acute orthopaedic injury at the Division of Pediatric Orthopaedics were interviewed along with their parents. Most participants were Hispanic, which reflects the population of the Washington Heights section of Manhattan served by our hospital. Follow-up telephone interviews were conducted with those parents whose children were unable to return to school. The parents were asked of both the total number of school absences and whether the child received home instruction. A survey regarding official school attendance policy was mailed to the principals of all the schools attended by the children in our study. Forty-seven percent of the children were unable to return to school immediately after their injuries. Nearly 70% (n = 51) of the children who did not immediately return to school attributed their nonattendance to their school's attendance policy. Only half of the absentees received home instruction. A multivariate analysis showed that both the type of school (public vs private) and the use of crutches were statistically significant risk factors for school absence. The median household income also trended toward significance in predicting school attendance. The responses to our survey regarding official school attendance policy demonstrated considerable variability among the schools. This study indicates that pediatric orthopaedic injuries and their treatment impact the ability of school-aged patients to attend school. Our study shows that children's socioeconomic background influences their ability to attend school while injured.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».