Injuries in Ontario farm children: a population based study
Notice bibliographique
Résumé
OBJECTIVES: To evaluate injury rates, patterns, and risk factors in 4,916 Ontario farm children aged 0-18 years. SETTING: 1,765 full time family operated Ontario farms with a husband-wife couple where the wife was of reproductive age. METHODS: Injury details were obtained from mothers, while parents and farm operators provided risk factor information retrospectively in a population based mail survey. Rates were calculated based on injury occurrence and person years at risk in different age groups. Descriptive analyses used cross tabulations of injury details by age, sex, and season. Injury risk factors were assessed using multiple logistic regression. RESULTS: Age specific injury rates ranged from 6.3-22.6 per thousand person years, peaking in 1-4 year olds. Although consistently higher for boys, both sexes showed similar trends in age specific rates. Rates likely represent underestimates due to diminished recall of past events. Open wounds to the head/face region were the most prevalent type of injury (17.1%) followed by fractures/dislocations to the upper extremities (14.9%). Mechanism differed by age group, though falls and machinery consistently ranked in the top three. Occurrence peaked in summer. Regression analyses indicated child's sex and parental education were associated with injury risk across age categories. Other risk factors, such as numbers of livestock, parental owner/operator status, and mother's off-site employment, differed between ages. CONCLUSIONS: Patterns and risk factors for injuries to farm children are heterogenous across age categories. Observed age differences are useful for targeting prevention initiatives.
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 | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».