‘Do As We Say, Not as We Do:’ a cross-sectional survey of injuries in injury prevention professionals
Notice bibliographique
Résumé
BACKGROUND: As the leading cause of death and among the top causes of hospitalisation in Canadians aged 1-44 years, injury is a major public health concern. Little is known about whether knowledge, training and understanding of the underlying causes and mechanisms of injury would help with one's own prevention efforts. Based on the Theory of Planned Behaviour, we hypothesised that injury prevention professionals would experience fewer injuries than the general population. METHODS: An online cross-sectional survey was distributed to Canadian injury prevention practitioners, researchers and policy makers to collect information on medically attended injuries. Relative risk of injury in the past 12 months was calculated by comparing the survey data with injury incidence reported by a comparable subgroup of adults from the (Canadian Community Health Survey (CCHS)) from 2009 to 2010. RESULTS: We had 408 injury prevention professionals complete the survey: 344 (84.5%) women and 63 (15.5%) men. In the previous 12 months, 86 individuals reported experiencing at least one medically attended injury (21,235 people per 100,000 people); with sports being the most common mechanism (41, 33.6%). Fully 84.8% individuals from our sample believed that working in the field had made them more careful. After accounting for age distribution, education level and employment status, injury prevention professionals were 1.69 (95% CI 1.41 to 2.03) times more likely to be injured in the past year. INTERPRETATION: Despite their convictions of increasing their own safety behaviour and that of others, injury prevention professionals' knowledge and training did not help them prevent their own injuries.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».