MétaCan
Menu
← Retour à la cohorte
Enregistrement W2598827296 · doi:10.24095/hpcdp.36.5.01f

Accidents de travail impliquant des jeunes Canadiens : analyse de 22 années de surveillance des données recueillies à partir du Système canadien hospitalier d'information et de recherche en prévention des traumatismes

2016· article· fr· W2598827296 sur OpenAlexaffvenueabout
Bridget Pratt, James Cheesman, Colleen Breslin, M. T.

Notice bibliographique

RevuePromotion de la santé et prévention des maladies chroniques au Canada · 2016
Typearticle
Languefr
DomaineHealth Professions
ThématiqueOccupational Health and Safety Research
Établissements canadiensMental Health Research CanadaPublic Health OntarioUniversity of TorontoPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Introduction L’inexpérience, une formation inadéquate et une exposition accrue au danger sont susceptibles de contribuer à un risque plus élevé d’accidents chez les jeunes travailleurs. Cette étude décrit les caractéristiques des accidents de travail impliquant de jeunes Canadiens afin d’identifier les secteurs pour lesquels élaborer des stratégies de prévention en matière d’accidents de travail. Méthodologie Nous avons analysé le dossier des jeunes de 10 à 17 ans qui se sont présentés à un service des urgences (SU) faisant partie du Système canadien hospitalier d’information et de recherche en prévention des traumatismes (SCHIRPT) entre 1991 et 2012. Nous avons classé les accidents de travail en fonction de groupes d’emploi correspondant à la Classification nationale des professions (codes statistiques 2006) et nous avons effectué des analyses descriptives afin d’établir le profil des accidents en fonction de ces groupes d’emploi. Nous avons calculé des rapports proportionnels de blessures (RPB) en fonction de l’âge et du sexe ainsi que des intervalles de confiance à 95 % pour comparer la nature des blessures survenues en contexte professionnel et en contexte non professionnel, à la fois dans l’ensemble et par groupe d’emploi. Résultats Parmi les 6 046 blessures ayant eu lieu au travail (0,72 % des cas dans ce groupe d’âge), 63,9 % touchaient des garçons. Les jeunes (54,6 % de garçons) œuvrant dans l’industrie des aliments et des boissons ont formé 35,4 % des consultations aux SU en lien avec le travail et 10,2 % des admissions liées au travail, alors que les travailleurs du secteur primaire (76,4 % de garçons) représentaient 4,8 % des consultations aux SU liées au travail et 24,6 % des admissions liées au travail. Les RPB ont été significativement élevés pour les brûlures (9,77, IC à 95 % : 8,94 à 10,67), les blessures par écrasement et les amputations (6,72, IC à 95 % : 5,79 à 7,80), les blessures causées par l’électricité (6,04, IC à 95 % : 3,64 à 10,00), les morsures (5,09, IC à 95 % : 4,47 à 5,79), les plaies ouvertes (2,68, IC à 95 % : 2,59 à 2,78) et les lésions oculaires (2,50, IC à 95 % : 2,20 à 2,83) dans un contexte professionnel par rapport aux cas en contexte non professionnel. Ceci s’explique en bonne partie par l’incidence proportionnelle élevée de certains types de blessures spécifiques à des groupes d’emploi. Conclusion Nos conclusions fournissent des renseignements relatifs à certains groupes professionnels sur des types de blessures courantes susceptibles de favoriser l’adoption d’approches ciblées à l’égard de la réduction de l’incidence des blessures chez les jeunes en milieu de travail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,878
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,049
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,074
Tête enseignante GPT0,409
Écart entre enseignants0,335 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePromotion de la santé et prévention des maladies chroniques au Canada→Même sujetOccupational Health and Safety Research→Travaux en français237 207→