National Public Health Data Systems in the United States: Applications to Child Agricultural Injury Surveillance
Notice bibliographique
Résumé
PURPOSE: The United States has no comprehensive national surveillance system for fatal or nonfatal child agricultural injuries. Thus, important knowledge gaps exist about recurrent injury patterns that could provide targeted focus for prevention efforts. The purpose of this study was to explore existing US public health data systems to determine their utility with respect to informing child agricultural injury surveillance and primary prevention. METHODS: Public health data systems were selected if they: (1) were national in scope, (2) were active and ongoing, (3) included physical injuries, and (4) contained a "farm" location variable. Data systems explored included National Emergency Medical Services Information System, National Trauma Data Bank, National Electronic Injury Surveillance System-All Injury Program, and National Vital Statistics System-Multiple Cause File. FINDINGS: Each data system contained substantial information per case with the number of fields ranging from 77 to 127. Beyond basic demographic information about the injured child, there were many injury descriptors, but few commonalities across systems. The most striking finding was the uniform absence of information on injury circumstances; that is, why and how the injury occurred, which is fundamental to planning and evaluating prevention initiatives. CONCLUSIONS: Although these public health data systems captured many details regarding medical aspects of the injury, they included little information on circumstances leading to injury, thus limiting their utility for child agricultural injury surveillance and primary prevention initiatives. We recommend any child agricultural injury data collection tool formally incorporate a structured narrative so underlying circumstances leading to injury events are documented.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».