Copyright © 2015 Donnish Journals
Notice bibliographique
Résumé
Background: Injuries remain a major killer of children throughout the world. On average, for children in the age group 5-14 years, injury accounts for more than a quarter (27 %) of all deaths worldwide. In addition to these deaths, many other children sustain injuries that require hospitalization, outpatient treatment and sometimes result in disability. In Kenya, injuries are the third leading cause of mortality after malaria and HIV/AIDS and are the fifth leading cause of morbidity among patients attending health care facilities. Approximately 16.8 % of reported injury cases in Kisumu occur among children less than 15 years of age and accounting for 28.7 % of the total injury admissions. Although children less than 15 years of age fall within the primary school age, not much is known about the nature and factors that contribute to the occurrence of injuries among primary school children in Kisumu and programs focusing on their prevention are lacking. Methods: This was a cross-sectional study that aimed to describe the characteristics of injuries among primary school children in Kisumu Municipality. A random sample of 492 pupils aged 11 to 18 years; from 18 schools was interviewed using a structured questionnaire to collect information on the incidence of injuries during the three month period prior to the interview. Results: The most common cause of these injuries was due to falls on the same level (33.9 %). Majority of these pupils were injured while playing (48.8 %), at home (40.9 %) with cuts or open wounds being the most common injury that was
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,779 | 0,705 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».