Supervision and risk of unintentional injury in young children
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Assess the association between caregiver supervision and acute unintentional injury in young children; evaluate whether lower levels of supervision result in more severe injury. METHODS: A case cross-over study was conducted. Parents of children aged ≤4 years whose injuries required emergency department (ED sample) treatment or admission to the hospital (inpatient sample) were interviewed. Information on supervision (3 dimensions: proximity, attention, continuity) at the time of injury and 1 h before the injury (control time) was collected. An overall supervision score was created; a higher score indicates closer supervision. Hospital admission served as a proxy for injury severity. ORs and 95% CIs were calculated. RESULTS: Interviews were completed by 222 participants; 50 (23%) were in the inpatient sample. For each supervision dimension the inpatient sample had higher odds of injury, indicating effect modification requiring separate analyses for inpatient and ED samples. For both samples, proximity 'beyond reach' was associated with the highest odds of injury; compared with 1 h before injury, children were more likely to be beyond reach of their caregiver at the time of injury (inpatient sample: OR 11.5, 95% CI 2.7 to 48.8; ED sample: OR 2.9, 95% CI 1.8 to 4.9). Children with lower supervision scores had the greatest odds of injury (inpatient sample: OR 8.0, 95% CI 2.4 to 26.6; ED sample: OR 3.3, 95% CI 1.9 to 5.6). CONCLUSIONS: Lower levels of adult supervision are associated with higher odds of more severe injury in young children. Proximity is the most important supervision dimension for reducing injury risk.
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.
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 | 0,002 | 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) | 0,000 | 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 découle