L’utilisation des véhicules hors route par les enfants et les adolescents : des stratégies pour prévenir les blessures
Bibliographic record
Abstract
Résumé Les véhicules hors route sont des véhicules motorisés conçus expressément pour se déplacer sur des terrains accidentés. On les voit souvent en région rurale, éloignée ou agricole, mais ils sont aussi largement utilisés au Canada, particulièrement pour les loisirs, et sont responsables d’un nombre démesuré de blessures graves et de décès dans la population pédiatrique. Ces véhicules deviennent plus lourds et plus rapides, et la gravité des blessures dont sont victimes les enfants et les adolescents sont semblables à celles subies lors d’accidents d’automobile. Cependant, tandis que l’industrie automobile est régie par des lois en matière de sécurité, des mesures coercitives rigoureuses et des stratégies techniques et de sécurité routière pour prévenir les préjudices, il n’existe pas de cadre de règlementation comparable pour les véhicules hors route, ce qui représente une lacune dans la promotion de la sécurité. D’après une analyse bibliographique approfondie entreprise en février 2024, le présent document de principes fournit un aperçu des effets de l’utilisation de ces véhicules par les enfants et les adolescents, des facteurs qui influent sur les accidents et les blessures en découlant et des recommandations aux professionnels de la santé et aux gouvernements pour réduire les préjudices évitables associés aux véhicules hors route dans la population pédiatrique.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".