What Can We Learn from 21 Years of School Poisoningsin New Zealand?
Notice bibliographique
Résumé
Background: Childhood poisoning is a significant international health concern. Very little is known about trends in exposures within schools and preschools. The objectives of this study were to investigate the data recorded by the New Zealand National Poisons Centre (NPC) on these types of exposures over a 21 year period (1989 to 2009) and to determine trends and propose strategies to reduce the exposures. Methods: Call information regarding human poison exposure at preschools and schools from Jan1st 1989 to Dec 31st 2009 were extracted from the dataset held by the NPC. The number of calls received by the NPC relating to the exposures was plotted against year as totals and then categorized according to gender. The number of calls related to each substance type for each year, and the number of calls related to each age group for each year were quantified. Results: There were 3632 calls over this period. In every year studied, there were more calls relating to males than females. Household items were responsible for 31% of exposures, followed by plants (20%), industrial items (14%) and therapeutic agents (14%). Almost one quarter of all exposures occurred in the 13 year old age group. Further investigation of this group, showed that the causes of exposures included “splash” incidents (27%), “pengestion” (pen breaking in mouth and releasing contents) (16%), “exploratory” (5%) and “prank” (4%). Conclusion: Identification of these areas allows recommendations to be made including feedback to teachers about exposure risks, storage and access of science, cleaning and art supplies.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».