Are outdoor playgrounds the real culprit for elbow fractures in children? A lesson learned from COVID-19 sanitary measures
Notice bibliographique
Résumé
BACKGROUND: The association between elbow fractures and outdoor playgrounds has always been anecdotal. We sought to determine the impact of closing outdoor playgrounds and other play areas during the COVID-19 lockdown on elbow fractures in a pediatric population. METHODS: We conducted a retrospective cohort study of all elbow fractures from a single pediatric referral hospital between 2016 and 2020 for the months of April and May. The months chosen corresponded to the COVID-19 lockdown during which outdoor playgrounds were closed. Inclusion criteria were elbow fracture diagnosis based on radiography and age younger than 18 years. Fracture type, where the injury occurred and the mechanism of injury were recorded. RESULTS: A total of 370 fractures were reported, with an average of 83 (95% confidence interval [CI] 83-84) per year for 2016-19 and only 36 recorded in 2020. The average annual number of fractures before 2020 was 17 (95% CI 16-17) for schools, and 33 (95% CI 31-34) for outdoor playgrounds, including 22 (95% CI 21-24) falls from playground structures. No fracture was reported in schools in 2020, and only 3 were reported from outdoor playgrounds (including 1 associated with falling from playground structures). CONCLUSION: We found an association between elbow fractures in a pediatric population and outdoor playground accessibility, but also with indoor public locations. Our findings emphasize the importance of safety measures in those facilities.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».