The effect of safer play equipment on playground injury rates among school children
Notice bibliographique
Résumé
BACKGROUND: Changes to Canadian Standards Association (CSA) standards for playground equipment prompted the removal of hazardous equipment from 136 elementary schools in Toronto. We conducted a study to determine whether applying these new standards and replacing unsafe playground equipment with safe equipment reduced the number of school playground injuries. METHODS: A total of 86 of the 136 schools with hazardous play equipment had the equipment removed and replaced with safer equipment within the study period (intervention schools). Playground injury rates before and after equipment replacement were compared in intervention schools. A database of incident reports from the Ontario School Board Insurance Exchange was used to identify injury events. There were 225 schools whose equipment did not require replacement (nonintervention schools); these schools served as a natural control group for background injury rates during the study period. Injury rates per 1000 students per month, relative risks (RRs) and 95% confidence intervals (CIs) were calculated, adjusting for clustering within schools. RESULTS: The rate of injury in intervention schools decreased from 2.61 (95% CI 1.93-3.29) per 1000 students per month before unsafe equipment was removed to 1.68 (95% CI 1.31-2.05) after it was replaced (RR 0.70, 95% CI 0.62-0.78). This translated into 550 injuries avoided in the post-intervention period. In nonintervention schools, the rate of injury increased from 1.44 (95% CI 1.07-1.81) to 1.81 (95% CI 1.07-2.53) during the study period (RR 1.40, 95% CI 1.29-1.52). INTERPRETATION: The CSA standards were an effective tool in identifying hazardous playground equipment. Removing and replacing unsafe equipment is an effective strategy for preventing playground 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 | 0,005 |
| 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 | 0,001 |
| 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 ».