MétaCan
Menu
Retour à la cohorte
Enregistrement W4389640330 · doi:10.1136/ip-2023-045017

Adolescents at the skatepark: identifying design features and youth behaviours that pose risk for falls

2023· article· en· W4389640330 sur OpenAlexafffund
Barbara A. Morrongiello, Maria Amir, Michael R. Corbett, Caroline Zolis, Kelly Russell

Notice bibliographique

RevueInjury Prevention · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensUniversity of ManitobaUniversity of Guelph
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFalling (accident)Injury preventionSuicide preventionHuman factors and ergonomicsPoison controlOccupational safety and healthPsychologyMedicineApplied psychologyEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Skateboarding is an increasingly popular leisure activity for youth, yet injuries due to falls are common. This study aimed to identify the features at skateparks and tricks performed by youth that pose an increased risk of falls in skateboarders. METHOD: Video recordings were unobtrusively taken at a large skatepark of youth designated as young (11-15 years) or old (16-20 years). Videos were coded to identify the popular skatepark features used and tricks performed, and to assign a fall severity outcome rating for each feature and each type of trick attempted. RESULTS: The results identify features and tricks that pose increased risk of falling for youth at skateparks. CONCLUSIONS: Implications for injury prevention are discussed, including a consideration of environmental (skatepark design) and individual (youth behaviour) factors relevant to reducing skateboarding injuries due to falls among 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)0,003
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil0,554

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,079
Tête enseignante GPT0,374
Écart entre enseignants0,295 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetInjury Epidemiology and PreventionTravaux en français237 207