Occupational injuries in Canadian youth: an analysis of 22 years of surveillance data collected from the Canadian Hospitals InjuryReporting and Prevention Program
Notice bibliographique
Résumé
INTRODUCTION: Inexperience, inadequate training and differential hazard exposure may contribute to a higher risk of injury in young workers. This study describes features of work-related injuries in young Canadians to identify areas for potential occupational injury prevention strategies. METHODS: We analyzed records for youth aged 10-17 presenting to Canadian Hospitals Injury Reporting and Prevention Program (CHIRPP) emergency departments (EDs) from 1991-2012. We classified work-related injuries into job groups corresponding to National Occupational Classification for Statistics 2006 codes and conducted descriptive analyses to assess injury profiles by job group. Age- and sex-adjusted proportionate injury ratios (PIRs) and 95% confidence intervals (CIs) were calculated to compare the nature of injuries between occupational and non-occupational events overall and by job group. RESULTS: Of the 6046 injuries (0.72% of events in this age group) that occurred during work, 63.9% were among males. Youth in food and beverage occupations (54.6% males) made up 35.4% of work-related ED visits and 10.2% of work-related hospital admissions, while primary industry workers (76.4% males) made up 4.8% of work-related ED visits and 24.6% of work-related hospital admissions. PIRs were significantly elevated for burns (9.77, 95% CI: 8.94-10.67), crushing/amputations (6.72, 95% CI: 5.79-7.80), electrical injuries (6.04, 95% CI: 3.64-10.00), bites (5.09, 95% CI: 4.47-5.79), open wounds (2.68, 95% CI: 2.59-2.78) and eye injuries (2.50, 95% CI: 2.20-2.83) in occupational versus non-occupational events. These were largely driven by high proportional incidence of injury types unique to job groups. CONCLUSION: Our findings provide occupation group-specific information on common injury types that can be used to support targeted approaches to reduce incidence of youth injury in the workplace.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».