MétaCan
Menu
Retour à la cohorte
Enregistrement W2892936192 · doi:10.1136/injuryprevention-2018-safety.521

PW 2289 Injury risk assessment in schools in karachi, pakistan

2018· article· en· W2892936192 sur OpenAlexaboutno aff
Uzma Khan, Rubaba Naeem, Nukhba Zia

Notice bibliographique

RevueAbstracts · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Occupational safety and healthQuarter (Canadian coin)Injury preventionRisk assessmentEnvironmental healthPoison controlMedicineEngineeringForensic engineeringMedical educationGeographyComputer securityComputer science

Résumé

récupéré en direct d'OpenAlex

Studies from low- income countries have shown that 7% of all childhood injuries occur in schools; however little is known about the injury hazards present in the school environment. The objective of this study was to develop and pilot injury risk assessment tool in the schools in Karachi. The study was conducted from March – June 2013. These risk observations in school environment were done by trained data collectors. The injury risk assessment was done in 107 schools. About a quarter (26%) of classrooms had broken furniture. In 50.9% of schools the playground surface was of concrete. About 28.3% schools had low height of corridor walls, while 60.4% schools had open wires in electrical switches. In 14.2% of schools there were cleaning chemicals in toilets within the reach of children. There were stray dogs within schools (22.4%). This was the first time that injury school environment risks tool was developed and piloted in the context of Pakistan. There was a significant burden of hazards present in the school environment representing an important opportunity for injury prevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,025
Score d'incertitude au seuil0,479

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,393
Écart entre enseignants0,374 · 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 tête enseignante, 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAbstractsMême sujetInjury Epidemiology and PreventionTravaux en français237 207