Surveillance aux services d'urgence des blessures associées aux lits superposés : Système canadien hospitalier d'information et de recherche en prévention des traumatismes (SCHIRPT), 1990-2009
Bibliographic record
Abstract
Introduction Pour des raisons d'espace, bien des ménages utilisent des lits superposés. La hauteur et l'aménagement de ces lits peuvent présenter un risque de chute et d'étranglement, en particulier pour les jeunes enfants. La présente étude visait principalement à décrire les blessures associées aux lits superposés signalées au Système canadien hospitalier d'information et de recherche en prévention des traumatismes (SCHIRPT) pour la période 1990-2009. Méthodologie Le SCHIRPT est un système de surveillance des blessures et des intoxications en place dans les services d'urgence de plusieurs hôpitaux d'un bout à l'autre du Canada, soit 11 hôpitaux pédiatriques et 4 hôpitaux généraux. Les codes de produits du SCHIRPT et les descriptions fournies ont été utilisés pour extraire les données nécessaires. Résultats Au cours de cette période de surveillance de 20 ans, 6 002 personnes se sont présentées aux services d'urgence d'hôpitaux canadiens pour des blessures associées à des lits superposés. Dans l'ensemble, la fréquence des blessures liées aux lits superposés signalées dans le SCHIRPT est demeurée relativement stable, la variation du taux annuel moyen se situant à -1,2 % (-1,8 % à -0,5 %). Plus de 90 % des blessures associées au lit du haut étaient attribuables à des chutes; les enfants de 3 à 5 ans constituaient le groupe le plus fréquemment en cause (471,2 cas enregistrés dans le SCHIRPT pour 100 000). Conclusion Les services des urgences au Canada continuent de recevoir des enfants présentant des blessures associées aux lits superposés, dont bon nombre sont des lésions importantes. Les mesures de prévention des blessures devraient être axées sur les enfants de moins de 6 ans.
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 | 0.005 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".