Age and the risk of All-Terrain Vehicle-related injuries in children and adolescents: a cross sectional study
Notice bibliographique
Résumé
BACKGROUND: The study was designed to determine if youth <16 years are at a greater risk of serious injuries related to all-terrain vehicle (ATV) use compared to older adolescents and adults. METHODS: We performed cross sectional study of children and adults presenting to pediatric and adult emergency departments between 1990 and 2009 in Canada. The primary exposure variable was age <16 years and the primary outcome measure was moderate to serious injury determined from physician report of type and severity of injury. RESULTS: Among 5005 individuals with complete data, 58% were <16 years and 35% were admitted to hospital. The odds of a moderate to serious injury versus minor injury among ATV users <16 years of age was not different compared with those ≥16 years of age (OR: 0.94; 95% CI: 0.84, 1.06). After adjusting for era, helmet use, sex and driver status, youth <16 years were more likely to present with a head injury (aOR: 1.45; 95% CI: 1.19-1.77) or fractures (aOR: 1.60; 95% CI: 1.43-1.81), compared with those ≥16 years. Male participants (aOR: 1.21; 95% CI: 1.06-1.38) and drivers (aOR: 1.30, 95% CI: 1.12-1.51) were more likely to experience moderate or serious injuries than females and passengers. Helmet use was associated with significant protection from head injuries (aOR: 0.59; 95% CI: 0.44-0.78). CONCLUSIONS: Youth under 16 years are at an increased risk of head injuries and fractures. For youth and adults presenting to emergency departments with an ATV-related injury, moderate to serious injuries associated with ATV use are more common among drivers and males. Helmet use protected against head injuries, suggesting minimum age limits for ATV use and helmet use are warranted.
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 | 0,001 | 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 | 0,000 | 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 ».