Smartphone-Related Accidents in Children and Adolescents
Notice bibliographique
Résumé
OBJECTIVES: Smartphones have become an integral part of daily life, often grabbing full attention of its user. We hypothesized that smartphone-associated trauma in children and adolescents has increased in the last decade. The objective of this study was to analyze smartphone-related injuries in children at two German centers for pediatric emergency care. METHODS: Smartphone-related injuries were recorded between January 2008 and March 2018 at two centers of pediatric surgery in Germany. Data were assessed for patient demography, cause of accident, type of injury, treatment, and outcome. RESULTS: Ten children (8 girls, 2 boys; mean ± SD age, 10.6 ± 6.0 years; range, 10 weeks to 17 years) were included. Two patients were injured in 2008 to 2015, eight in 2016 to 2018, of which three required hospital admissions. Six accidents happened in public spaces, and four within domestic environments. Eight children (mean ± SD age, 13.3 ± 2.4 years; 7 girls) were injured while using their smartphone, therefore being distracted. Two children (mean ± SD age, 6.5 ± 6.4 months) were involuntarily hurt by the smartphone of their caregivers. The causes of accident and related injuries were highly variable and ranged from minor trauma (mild head injury [n = 3], abrasions [n = 2], bruises of fingers [n = 2]/hand [n = 1]/ankle [n = 2]) to major injuries requiring intensive care treatment (pelvic [n = 1] or vertebral body fractures [n = 1]). CONCLUSIONS: Smartphone-associated injuries mainly caused by distraction gain increasing importance in pediatric traumatology. The frequency is higher in females compared with their male counterparts. The prevention of these accidents should become part of educational programs for children and adolescents.
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 | 0,000 | 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) | 0,001 | 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 ».