Unintentional poisoning exposures: how does modeling the opening of child-resistant containers influence children’s behaviors?
Notice bibliographique
Résumé
OBJECTIVE: Unintentional poisoning in the home is a risk for children. Over-the-counter medicinal products in child-resistant containers (CRC) are common causes of pediatric poisoning. The current study examined children's abilities to open three types of CRC mechanisms (twist, flip, and push) and corresponding control containers, comparing their ability to do so spontaneously and after explicit modeling. The study also examined if inhibitory control (IC) was associated with children's overall score for spontaneous openings. METHOD: Children 5-8 years old were randomly assigned to one of three mechanism conditions (between-participants factor): twist, flip, and push, with each child experiencing both a risk and a control container (within-participants factor) having that mechanism. Children were first left alone with a container (measures: engagement with container, spontaneous opening) for up to 2 min and subsequently observed an adult explicitly model opening the container before the child was asked to do so (measure: opening after modeling). RESULTS: Children were more engaged with and likely to spontaneously open control containers than CRCs, though some (4%-10%) also opened CRCs. After modeling, significantly more children opened each of the three types of CRCs, with nearly all children opening the push mechanism CRC. IC positively predicted children being more engaged with and spontaneously opening more containers. CONCLUSIONS: Implications for improving pediatric poison prevention are discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».