Social environments, risk-taking and injury in farm adolescents
Notice bibliographique
Résumé
BACKGROUND: Farm environments are especially hazardous for young people. While much is known about acute physical causes of traumatic farm injury, little is known about social factors that may underlie their aetiology. OBJECTIVES: In a nationally representative sample of young Canadians aged 11-15 years, we described and compared farm and non-farm adolescents in terms of the qualities of their social environments, engagement in overt multiple risk-taking as well as how such exposures relate aetiologically to their reported injury experiences. METHODS: Cross-sectional analysis of survey reports from the 2014 (Cycle 7) Canadian Health Behaviour in School-Aged Children study was conducted. Children (n=2567; 2534 weighted) who reported living or working on farms were matched within schools in a 1:1 ratio with children not living or working on farms. Scales examining quality of social environments and overt risk-taking were compared between the two groups, stratified by gender. We then related the occurrence of any serious injury to these social exposures in direct and interactive models. RESULTS: Farm and non-farm children reported social environments that were quite similar, with the exception of overt multiple risk-taking, which was demonstrably higher in farm children of both genders. Engagement in overt risk-taking, but not the other social environmental factors, was strongly and consistently associated with risks for serious injury in farm as well as non-farm children, particularly among males. CONCLUSIONS: Study findings highlight the strength of associations between overt multiple risk-taking and injury among farm children. This appears to be a normative aspect of adolescent farm culture.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».