MétaCan
Menu
Retour à la cohorte
Enregistrement W2266133697 · doi:10.1177/1010539515616454

Community-Based Study on Family-Related Contributory Factors for Childhood Unintentional Injuries in an Urban Setting of Sri Lanka

2015· article· en· W2266133697 sur OpenAlexaff
Dhanusha Punyadasa, Diana Samarakkody

Notice bibliographique

RevueAsia Pacific Journal of Public Health · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensSpinal Cord Injury BC
Organismes subventionnairesFogarty International Center
Mots-clésMedicineSri lankaIncidence (geometry)Cross-sectional studyInjury preventionUrban communityDemographyPediatricsPoison controlEnvironmental healthGeography

Résumé

récupéré en direct d'OpenAlex

A community-based descriptive cross-sectional study was carried out among children aged 1 to 4 years residing in an urban setting of Sri Lanka to assess the incidence and associated family-related factors of unintentional injuries. A total of 458 children were recruited using simple random sampling technique, giving a response rate of 91.6%. The incidence of unintentional injuries that needed medical attention during the study period of 3 months was 28.1 per 100 children (95% CI = 19.46-36.74). The factors that were significantly associated with the occurrence of unintentional injuries among children are low monthly income of the family (P = .045), low social support to the mother of index child (P = .022), nonauthoritative type of parenting of the mother of index child (P = .039), cared by person other than mother during day time (P = .002), frequent arguments between parents (P = .004), and frequent alcohol consumption of father (P = .001).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,667

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,389
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia Pacific Journal of Public HealthMême sujetInjury Epidemiology and PreventionTravaux en français237 207