MétaCan
Menu
Retour à la cohorte
Enregistrement W4295709210 · doi:10.1136/ip-2022-044619

Transforming injury prevention for youth (TrIPY): an intersectionality model for youth injury prevention

2022· article· en· W4295709210 sur OpenAlexaffabout
Alyssa Miles, Brandy Tanenbaum, Shari Thompson-Ricci

Notice bibliographique

RevueInjury Prevention · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensUniversity of TorontoHealth Sciences CentreBrock UniversitySunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésIntersectionalityPoison controlSuicide preventionInjury preventionPublic healthOccupational safety and healthMedicinePsychologyNursingSociologyEnvironmental healthGender studies

Résumé

récupéré en direct d'OpenAlex

Injury is deadly and expensive, and rates are increasing. The cost of injury is not only a financial burden; individuals, families and communities suffer the human costs of physical and emotional injury. For children and youth in Canada, injuries are the leading cause of death and disability. However, the risk of preventable injury is not equal for all youth. The transforming injury prevention for youth (TrIPY) model aims to recognise and remediate these inequities by applying an intersectionality lens to injury prevention programming. TrIPY conceptualises injury prevention programming through an intersectionality lens. The model was developed with diverse youth in mind, and the intended users include injury prevention practitioners, partners, stakeholders, communities and decision-makers. TrIPY was designed using a transformative perspective and built on core concepts within public health, injury prevention, intersectionality, gender analysis, youth risk, health equity, and systems of privilege and oppression. TrIPY helps to analyse intersecting inequities along multiple dimensions, to improve injury prevention programmes for diverse youth with unique identities, skills and lived experiences. The end goal of implementing an intersectionality model within injury prevention is to find out who is being missed in order to address existing inequities concerning youth injury. No matter what a person's unique social location or lived experience, they will have the opportunity to be included in prevention programming. Developing injury prevention programmes through an intersectionality lens is needed to better understand the factors that interact to influence an individual's risk for injury. There is a need to explore the unique experiences of youth at the intersection of various identity factors, including gender, race and ethnicity, and socioeconomic status. With this knowledge, prevention programmes can be more culturally responsive, gender transformative, inclusive, accessible and engaging for diverse groups of youth.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,926

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,049
Tête enseignante GPT0,293
Écart entre enseignants0,244 · 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'étudeAutre devis
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetAgriculture and Farm SafetyTravaux en français237 207