Accidents de travail impliquant des jeunes Canadiens : analyse de 22 années de surveillance des données recueillies à partir du Système canadien hospitalier d'information et de recherche en prévention des traumatismes
Bibliographic record
Abstract
Introduction L’inexpérience, une formation inadéquate et une exposition accrue au danger sont susceptibles de contribuer à un risque plus élevé d’accidents chez les jeunes travailleurs. Cette étude décrit les caractéristiques des accidents de travail impliquant de jeunes Canadiens afin d’identifier les secteurs pour lesquels élaborer des stratégies de prévention en matière d’accidents de travail. Méthodologie Nous avons analysé le dossier des jeunes de 10 à 17 ans qui se sont présentés à un service des urgences (SU) faisant partie du Système canadien hospitalier d’information et de recherche en prévention des traumatismes (SCHIRPT) entre 1991 et 2012. Nous avons classé les accidents de travail en fonction de groupes d’emploi correspondant à la Classification nationale des professions (codes statistiques 2006) et nous avons effectué des analyses descriptives afin d’établir le profil des accidents en fonction de ces groupes d’emploi. Nous avons calculé des rapports proportionnels de blessures (RPB) en fonction de l’âge et du sexe ainsi que des intervalles de confiance à 95 % pour comparer la nature des blessures survenues en contexte professionnel et en contexte non professionnel, à la fois dans l’ensemble et par groupe d’emploi. Résultats Parmi les 6 046 blessures ayant eu lieu au travail (0,72 % des cas dans ce groupe d’âge), 63,9 % touchaient des garçons. Les jeunes (54,6 % de garçons) œuvrant dans l’industrie des aliments et des boissons ont formé 35,4 % des consultations aux SU en lien avec le travail et 10,2 % des admissions liées au travail, alors que les travailleurs du secteur primaire (76,4 % de garçons) représentaient 4,8 % des consultations aux SU liées au travail et 24,6 % des admissions liées au travail. Les RPB ont été significativement élevés pour les brûlures (9,77, IC à 95 % : 8,94 à 10,67), les blessures par écrasement et les amputations (6,72, IC à 95 % : 5,79 à 7,80), les blessures causées par l’électricité (6,04, IC à 95 % : 3,64 à 10,00), les morsures (5,09, IC à 95 % : 4,47 à 5,79), les plaies ouvertes (2,68, IC à 95 % : 2,59 à 2,78) et les lésions oculaires (2,50, IC à 95 % : 2,20 à 2,83) dans un contexte professionnel par rapport aux cas en contexte non professionnel. Ceci s’explique en bonne partie par l’incidence proportionnelle élevée de certains types de blessures spécifiques à des groupes d’emploi. Conclusion Nos conclusions fournissent des renseignements relatifs à certains groupes professionnels sur des types de blessures courantes susceptibles de favoriser l’adoption d’approches ciblées à l’égard de la réduction de l’incidence des blessures chez les jeunes en milieu de travail.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.049 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.008 | 0.011 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".