Children Who Experience Unintentional Injuries: Their Functional Profiles
Notice bibliographique
Résumé
Unintentional injuries are accidents that pose a major health problem among school children. This study compared the functional behavior and executive function characteristics of school-aged children who experienced unintentional injuries with those of controls who had not been injured. We investigated the background characteristics of injured children, injury characteristics, and parents’ perceptions of the children’s functional behaviors and executive function abilities. The study included 53 children aged 6 years to 18 years. Of them, 32 had experienced unintentional injuries. The 21 children who had not experienced unintentional injuries served as a control group matched for age and living environment. Parents of both groups completed (1) a demographic questionnaire addressing their children’s background, daily functional behavior characteristics, and injury characteristics and (2) the Behavior Rating Inventory of Executive Function (BRIEF). Sixty percent of the children in the research (injured) group had been prediagnosed with learning disabilities or attention deficit hyperactivity disorders, compared with no child in the control (uninjured) group. Most injuries were limb fractures (60%) and sustained outside the home (50%). Parents of children who had been injured expressed significantly more concerns about their children’s daily behavior than did parents of the control group and reported their children as usually, but not always, independent and responsible. Compared with the children in the uninjured group, the children in the injured group had significantly lower executive function abilities in the BRIEF’s eight subscales, total behavioral regulation and metacognitive indices, and global executive function scores ( p < .001 ). Children with certain diagnoses, functional behavior features, and deficient executive function abilities may be at risk for unintentional injuries. Raising occupational therapists’ awareness of these aspects may contribute to identifying, treating, and preventing accidental injuries among at-risk children.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».