MétaCan
Menu
Retour à la cohorte
Enregistrement W2093536730 · doi:10.1111/j.1440-1584.2005.00721.x

Drowning deaths of zero‐ to five‐year‐old children in Victorian dams, 1989–2001

2005· article· en· W2093536730 sur OpenAlexaboutno aff
Lyndal Bugeja, Richard C. Franklin

Notice bibliographique

RevueAustralian Journal of Rural Health · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoronerHobbyMedicineOccupational safety and healthSuicide preventionInjury preventionPromotion (chess)Quarter (Canadian coin)Poison controlDemographyGeographyPediatricsSocioeconomicsEnvironmental healthPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine drowning deaths of young children in Victorian dams to identify common contributing factors in order to develop strategies for future prevention. DESIGN: Case records of children aged zero to five years from the State Coroner's Office Victoria were reviewed for the 13-year period 1989-2001. Cases where the child drowned in a dam were extracted for analysis. RESULTS: During the 13-year period there were 27 deaths; 11 occurred on farms, five on hobby farms and 11 on properties where it was not specified whether the property was a farm. Almost three quarters of the children were male and the majority were aged between one year and three years. Half of the incidents occurred on the weekend and nearly half occurred during the summer months. Five major factors were common among incidents: stage of the child's development; absence of carer supervision; child playing outside the house; dam within 300 metres of where the child was playing; and lack of effective barriers between the dam and the child. CONCLUSION: The coronial information examined identified patterns of behaviour by both carers and young children that contributed to these deaths. The results support the implementation of strategies such as the promotion of child safe play areas and targeted public awareness campaigns for rural and regional aquatic environments.

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)0,002
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 enseignants0,205
Score d'incertitude au seuil0,408

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,381
Écart entre enseignants0,349 · 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

Citations51
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Rural HealthMême sujetInjury Epidemiology and PreventionTravaux en français237 207