A descriptive epidemiological study on the patterns of occupational injuries in a coastal area and a mountain area in Southern China
Notice bibliographique
Résumé
OBJECTIVES: This study compared patterns of occupational injuries in two different areas, coastal (industrial) and mountain (agricultural), in Southern China to provide information for development of occupational injury prevention measures in China. DESIGN: Descriptive epidemiological study. SETTING: Data were obtained from the Hospital Injury Surveillance System based on hospital data collected from 1 April 2006 to 31 March 2008. PARTICIPANTS: Cases of occupational injury, defined as injury that occurred when the activity indicated was work. OUTCOME MEASURES: Distribution and differences of patterns of occupational injuries between the two areas. RESULTS: Men were more likely than women to experience occupational injuries, and there was no difference in the two areas (p=0.112). In the coastal area, occupational injury occurred more in the 21-30-year age group, but in the mountain area, it was the 41-50-year age group (p<0.001). Occupational injuries in the two areas differed by location of hometown, education and occupation (all p<0.001). Occupational injuries peaked differently in the month of the year in the two areas (p<0.001). Industrial and construction areas were the most frequent locations where occupational injuries occurred (p<0.001). Most occupational injuries were unintentional and not serious, and patients could go home after treatment. The two areas also differed in external causes and consequences of occupational injuries. CONCLUSIONS: The differing patterns of occupational injuries in the coastal and mountain areas in Southern China suggest that different preventive measures should be developed. Results are relevant to other developing countries that have industrial and agricultural areas.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».