MétaCan
Menu
Retour à la cohorte
Enregistrement W2321746935 · doi:10.1093/pch/9.5.323

Socioeconomic status and injury risk in children

2004· article· en· W2321746935 sur OpenAlexaff
Catherine S. Birken, Colin Macarthur

Notice bibliographique

RevuePaediatrics & Child Health · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensSickKids FoundationUniversity of TorontoHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusMedicineInjury preventionRecreationOccupational safety and healthEnvironmental healthPoison controlSuicide preventionHuman factors and ergonomicsIntervention (counseling)DemographyMedical emergencyPediatricsPopulationPsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

Research has consistently shown that low socioeconomic status (SES) is associated with an increased risk of poor health and death in adults and children. Studies from around the world have shown an inverse relationship between SES and childhood injury morbidity and mortality. For example, compared with children with high SES, children with low SES are at an increased risk of death from pedestrian collisions, fires, falls and drownings, and at an increased risk of hospitalization from recreation or play injuries. Research from England and Wales shows that these disparities in mortality between high and low SES children may be widening over time. This paper provides an overview of the literature on the relationship between SES and childhood injury morbidity and mortality, outlines the postulated mechanisms for this relationship, and highlights some intervention studies targeted to low SES children.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,020
Score d'incertitude au seuil0,514

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,301
Écart entre enseignants0,293 · 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

Citations75
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetInjury Epidemiology and PreventionTravaux en français237 207