Student safety insurance policies in India: a systematic review
Notice bibliographique
Résumé
Personal accident insurance policy provides complete financial protection to the insured members against uncertainties such as accidental (unintentional) death or bodily injuries. Additionally, it covers permanent (partial/complete) and temporary disabilities resulting from an unintentional injury (UII), but not intentional injury. As such policy confined to the students, it was nomenclated as ‘student safety insurance policy’ (SSIP). Aim of the study was to review the features of various SSIPs in India followed by suggesting to the governments to implement across India. A thorough internet search was carried out using search engines to collect primary data in the public domain regarding SSIPs. Additional information was also collected from the organizations under Right to Information Act 2005 during July to December 2017. The reviewers identified that millions of children died each year from the injuries or violence and millions of others suffer the consequences of non-fatal injuries across the world. Dr. Gururaj estimated that the injuries resulted in the deaths of nearly 100,000 children every year in India among two million children hospitalized. So, certain state governments, districts and universities have taken up ‘SSIPs’ with different features to meet the hospital expenses incurred due to an UII. Unfortunately, if the insured child died/disabled due to an UII, the insurance amount will fulfil future financial needs of the family/disabled. Certain institutions are providing insurance coverage for one of the parents (breadwinner) and exempting future course fee payment also. The reviewers suggested to the government to provide a better student safety insurance policy across India with the amalgamation of the key features of all safety insurance policies.
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 | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».