Pediatric farm injuries involving non-working children injured by a farm work hazard: five priorities for primary prevention
Notice bibliographique
Résumé
OBJECTIVES: To describe pediatric farm injuries experienced by children who were not engaged in farm work, but were injured by a farm work hazard and to identify priorities for primary prevention. DESIGN: Secondary analysis of data from a novel evaluation of an injury control resource using a retrospective case series. DATA SOURCES: Fatal, hospitalized, and restricted activity farm injuries from Canada and the United States. SUBJECTS: Three hundred and seventy known non-work childhood injuries from a larger case series of 934 injury events covering the full spectrum of pediatric farm injuries. METHODS: Recurrent injury patterns were described by child demographics, external cause of injury, and associated child activities. Factors contributing to pediatric farm injury were described. New priorities for primary prevention were identified. RESULTS: The children involved were mainly resident members of farm families and 233/370 (63.0%) of the children were under the age of 7 years. Leading mechanisms of injury varied by data source but included: bystander and passenger runovers (fatalities); drowning (fatalities); machinery entanglements (hospitalizations); falls from heights (hospitalizations); and animal trauma (hospitalizations, restricted activity injuries). Common activities leading to injury included playing in the worksite (all data sources); being a bystander to or extra rider on farm machinery (all data sources); recreational horseback riding (restricted activity injuries). Five priorities for prevention programs are proposed. CONCLUSIONS: Substantial proportions of pediatric farm injuries are experienced by children who are not engaged in farm work. These injuries occur because farm children are often exposed to an occupational worksite with known hazards. Study findings could lead to more refined and focused pediatric farm injury 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».