Recent developments in behavioural research and prevention of childhood injuries
Notice bibliographique
Résumé
In most developed nations, unintentional injuries are the leading cause of death for children. In this symposium, an international panel of speakers will present behavioural research designed to promote safe environments and equitable communities for children by modifying environments and/or care giver behaviours to reduce children's exposure to injury risks. Denise Kendrick (UK) will overview evidence relating the effectiveness of home safety education and the provision of safety equipment to care giver safety practices and reductions in children's risk of injury, including mention of factors associated with effectiveness of these interventions. Working at the community level, Andrea Gielen (USA) will present data from intervention research involving partnership of university and community groups, with the goal of preventing home injuries to children in low income communities by promoting the adoption of evidence-based home-safety practices. Barbara Morrongiello (Canada) will present research addressing care giver supervision as an injury risk-reducing strategy. She will present results from an randomised controlled trial designed to increase parental home supervision of young children by targeting pertinent beliefs and attitudes regarding childhood injuries, children's behavioural development and care giver supervision. Finally, David Schwebel (USA) will present research regarding the use of simulated drowning audits to improve lifeguard surveillance at community swimming pools in both low and upper income neighbourhoods. Elizabeth Towner (UK) will serve as Discussant. In that role, she will provide an integrative framework for behavioural approaches in child injury prevention and identify future research needs in the area.
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 | 0,003 | 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 | 0,001 |
| 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 ».