婴童玩具排行榜前十名儿童玩具的黑名单这些你买过吗

618活动 2023-06-19 06:49:03 0

淘宝搜：【天降红包222】领超级红包，京东搜：【天降红包222】
淘宝互助，淘宝双11微信互助群关注公众号【淘姐妹】

知名婴儿玩具品牌,婴幼玩具品牌排行,婴幼儿玩具品牌排行前十名,婴幼儿玩具排名

一年一度的618要来了，很多妈妈会趁着商家做活动，给娃买买买、囤囤囤。不过，有些东西对孩子来讲很危险，再便宜也不要买。

我之前汇总过各类婴童用品和儿童玩具的“黑名单”，今天整理更新后，再次分享。看看你购物车里有没有，或者是不是正在给孩子用。如果是的话，赶紧停下来。

一、婴童用品“黑名单”

可升降床栏的婴儿床

为了方便家长把宝宝放进或抱出婴儿床，部分婴儿床的一侧床栏可升降，这类婴儿床有潜在危险，不要买。

因为可升降的床栏一旦坠落，就可能勒着宝宝或导致窒息。据《美国消费者报告》，在2000-2011年期间，至少有32名婴儿死亡与使用该类婴儿床有关。

（图源|【【网址】】/）

倾斜度大于10度的婴儿摇床

让宝宝睡在倾斜度超过10度的婴儿摇床里十分危险，甚至是致命的。倾斜角度超过10度的婴儿摇床，不论有没有系安全绑带，都可能因为孩子更容易侧身、翻至伏趴、头往前坠等状况而窒息，从而导致死亡。

（《美国消费者报告》，示意图制作 Chris Philpot ）

2019年4月，美国消费者安全委员会（CPSC）官网发布信息召回费雪Rock ’n Play系列约470万件婴儿摇床，因为发现自2011年以来，有32名婴儿意外死亡与使用该摇床有关。

一切倾斜度超过10度的婴儿摇床，不论什么品牌，不管长啥样，都不能让宝宝在里面睡觉。

（图片源自网络，仅供示意）

床围

使用床围会增加婴儿睡眠意外死亡的风险。根据美国消费品安全委员会（CPSC）的一项研究统计发现，在2006-2012年期间，有23名婴幼儿因使用床围导致窒息而死亡。

床围的初衷是防止宝宝的头或四肢被床栏卡住，而不是为了防撞。因为担心宝宝睡觉时不小心撞上床栅栏，而装一个可能导致宝宝窒息的东西，显然不值得。其实，婴儿床本身就不需要额外防撞措施，宝宝翻身碰一下床栏也不至于受伤。

如果是为了防止宝宝头或四肢卡在床栏，建议选购床栏间隙为50-95毫米的婴儿床。

（图片源自网络，仅供示意）

婴儿枕头、头型枕

侧睡睡姿定型枕等

枕头对宝宝们来讲，其实就是个摆设，因为本身孩子们睡觉动作多，姿势多，很那你睡在枕头上。

而对周岁内的婴儿来讲，床上的各类枕头、包括各种为了睡头型、保持侧睡固定睡姿的枕头、靠枕，都可能增加睡眠意外风险。

宝宝床上只有穿着睡袋的宝宝，仰卧位睡，是最安全的。

（图片源自网络，仅供示意）

婴儿学步车

看似省心省事，其实不仅妨碍宝宝学走路，甚至给宝宝带来翻倒、坠落等意外风险。

更多内容可以参考我之前的科普《学步车为什么不要用？学步推车能用吗？》。

（图片源自网络，仅供示意）

游泳脖圈

小婴儿套着脖圈游泳，结果窒息死亡的悲剧去年底刚发生过。婴儿套脖圈游泳不会让孩子更聪明，也没有其他被验证的健康收益，但使用脖圈游泳可能损伤婴儿颈椎，还可能带来致命的风险。

因此，给婴儿买脖圈，套着游泳的做法，不论有没有人监护，是不是专业人士监护，都不建议。关于孩子脖圈和孩子学游泳年纪参见：《痛心！婴儿套脖圈游泳窒息身亡，你还在给孩子游？！》。

（图片来源：shutterstock）

二、儿童玩具“黑名单”

磁力珠、巴克球

危险：误吞导致肠穿孔等

磁力珠、巴克球本质都是带有磁性的小珠子。与误吞其他珠子不同，孩子一旦误吞两颗或两颗以上磁力珠，磁力珠会在消化道内相互吸引和吸附，对肠壁造成压力和损伤，严重者可出现肠穿孔，甚至带来致命风险。

孩子误吞磁力珠导致肠穿孔，不是偶然的意外事故，而是几乎隔三差五就看到的高发问题。比如就在最近这1-2个月，大家看看下面这些新闻标题：

（新闻截图）

海洋宝宝、海精灵

危险：肠梗阻、窒息等

海洋宝宝、海精灵是一种米粒大的小珠子，把它们泡水里会膨胀变大。孩子误吞海洋宝宝，则可能发生肠梗阻等严重后果，这类事故也不少：

（新闻截图）

另外，也有孩子会把海洋宝宝塞进鼻腔，膨胀堵住了，到医院找耳鼻喉科医生取异物。医生的亲身体会：

“这种珠子是“水珠子”，一碰就碎，取出来一些，剩下的吸了鼻涕又变大，简直就取不完。好不容易取到最后一点了，结果掉进气道，一下子憋住窒息了，太惊险了！”

氢气球

危险：炸伤、烧伤

飘在空中的各种气球是孩子们的最爱。不论是充氢气还是氦气，气球就能飘起来。氢气易爆易燃，很危险；而氦气是惰性气体，不可燃；氢气球的成本远低于氦气球。

虽然国家早已明令禁止手持气球中充氢气，但目前市面上仍有不少气球是氢气球。就在2月份，江苏镇江一公园门口还发生了氢气球爆炸事故。而各种各样的氢气球爆炸事故报道近几年也总有看到：

（新闻截图）

氢气球易爆易燃，一旦遇到高温、明火或挤压，就可能发生爆炸，后果不堪设想，因此劣质廉价的氢气球一定不可以给孩子碰。如果为了装点节日气氛或特殊庆祝活动，可以从正规商店购买充了氦气的气球。

弹射类玩具

危险：误伤眼睛等

各种可以发射、较远距离击中目标的玩具，比如有“子弹”的玩具枪、水弹枪、弹弓、飞镖、牙签弩等，都有一定潜在的误伤风险，尤其是击中眼睛等特殊部位。

各种弹射类玩具的意外伤害事故，也总有看到。有一些危险玩具，虽然执法机关要求取缔了，但是商贩仍然偷偷在卖，又或者一种形式的危险玩具被取缔了，新的类似的又出来了。

所以，对于家长来讲，弹射类的各类玩具，哪怕是玩具，也要引起高度警惕和重视，不要让孩子拿这些玩具射击他人，也尽量不要参与缺乏安全保障的射击类游戏。

除了以上例举的四种典型危险玩具，含硼砂的水晶泥、激光笔等也都可能对孩子健康和安全带来隐患。作为家长，除了平时关注时事，及时避坑上面提及的各类危险玩具，就算商家做活动，孩子非常喜欢，也不要买。

（图片来自：Unsplash）

我们爱孩子，总想给孩子最好的，也愿意为孩子花钱。但钱要花在刀刃上，那些没用还可能伤害孩子的东西，不要自己买来用，也不要买了送人。

看看今年618，你的购物车里有没有“黑名单”里提到的东西。有的话，就别买了。如果家里已经有了，那也别用了。

今天的分享就到这里，孩子安全问题，值得每一位家长关注，请把这篇科普分享给更多人看到，让更多孩子得到保护。

我是珊珊，关注我，一起做科学养育的父母。

-END-

如果觉得有用

分享给更多人阅读

往期推送精选：

怎么确定孩子有没有缺锌、缺铁、缺钙？别再被微量元素检查坑了“补钙和维生素D增加肠癌的风险”？孩子还要不要补？切记这3点孩子的维生素D一天中哪个时间吃最好？需要空腹吃么？这是孩子的求救信号，千万别忽略了，否则后果不堪设想铅中毒，影响孩子智力和行为，这些千万别碰不同季节出生的孩子，有什么不同？你最喜欢哪家童装？这些都很棒，清单来了，全部国产品牌白天和晚上出生的孩子，有什么不同？

v苗健康

2018年泰迪杯题目及答案泰迪杯数据挖掘比赛b题

2018年泰迪杯a题答案,2019年泰迪杯b题,泰迪杯2020a题,泰迪杯历年题目

一．问题背景

近年来企业外部环境越来越不确定，复杂多变的外部环境，让企业供应链面临较多难题。

需求预测作为企业供应链的第一道防线，重要程度不言而喻，然而需求预测受多种因素的影响，导致预测准确率普遍较低，因此需要更加优秀的算法来解决这个问题。需求预测是基于历史数据和未来的预判得出的有理论依据的结论，有利于公司管理层对未来的销售及运营计划、目标，资金预算做决策参考；其次，需求预测有助于采购计划和安排生产计划的制定，减少受业务波动的影响。如果没有需求预测或者预测不准，公司内部很多关于销售、采购、财务预算等决策都只能根据经验而来了，会导致对市场预测不足，产生库存和资金的积压或不足等问题，增加企业库存成本。

二．数据说明

附件中的训练数据（order_train1.csv）提供了国内某大型制造企业在 2015 年 9 月 1日至 2018 年 12 月 20 日面向经销商的出货数据（格式见表 1），反应了该企业产品在不同销售区域的价格和需求等信息，包括：order_date（订单日期）、sales_region_code（销售区域编码）、item_code（产品编码）、first_cate_code （产品大类编码）、second_cate_code （产品细类编码）、sales_chan_name （销售渠道名称）、item_price （产品价格）和 ord_qty （订单需求量）。

表1：训练数量（历史数据）的数据格式

其中“订单日期”为某个需求量的日期；一个“产品大类编码”会对应多个“产品细类编码”；“销售渠道名称”分为 online（线上）和 offline（线下），“线上”是指淘宝和京东等电商平台，“线下”是指线下实体经销商。

附件中的预测数据（predict_sku1.csv）提供了需要预测产品的销售区域编码、产品编码、产品品类和产品细品类（格式见表 2）。

表2：需要预测的产品的数据样例

三．需要解决的问题

请对附件中的训练数据（order_train1.csv）进行深入地分析，可参照但不限于下述主

题。

（1）产品的不同价格对需求量的影响；

（2）产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；

（3）不同销售方式（线上和线下）的产品需求量的特性；

（4）不同品类之间的产品需求量有何不同点和共同点；

（5）不同时间段（例如月头、月中、月末等）产品需求量有何特性；

（6）节假日对产品需求量的影响；

（7）促销（如 618、双十一等）对产品需求量的影响；

（8）季节因素对产品需求量的影响。

基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来 3 月（即 2019 年 1 月、2 月、3 月）的月需求量，将预测结果按照表 3 的格式保存为文件 result1.xlsx，与论文一起提交。请分别按天、周、月的时间粒度进行预测，试分析不同的预测粒度对预测精度会产生什么样的影响。

B题论文共90页，一些修改说明7页，正文72页，附录11页。

这次泰迪杯我做得有点晚了，一方面是之前有点事耽搁了两天，所以我是从6天前才开始做。另一方面泰迪杯不愧是时间这么长的比赛，数据量极大，第一问方便你们挑选，题目给出的8个角度我全都分析了，重点是后面需要自己标注数据的四个角度例如节假日等，需要谨慎查询并标注，这四个数据预处理花了我不少时间。不过求解也就是麻烦点，做起来其实也就是相关性＋差异性分析＋分类统计绘图挑着用。重点是第二问，机器学习预测是肯定的，但是预测精度我调参了很久都比较低，后来只能结合神经网络自动寻优，但是这题数据量太大，月周日三个模型各跑了一天一共三天，最后精度确实都可以，最高的模型精度是80%以上，对于这个题目数据来说是非常高了，最后直接应用就完事了。之所以篇幅这么长，是因为：第一问8个角度都分析了。此外我论文很多的篇幅需要用来解释我为什么要这么做，基本就是手把手教你怎么做，并且我还要照顾每个人的水平，所有会有些地方需要写得很繁琐，一些中间过程展现得事无巨细，并且表格很多，你们自己放到附录即可。

在这里，我给大家讲一下具体是怎么做吧，精力有限可能讲得不够详细，如果看着觉得累，可以看我更新汇总贴里面的视频讲解：

数模陪跑员：2023泰迪杯B题全方面汇总贴

OK，这里是我的目录：

摘要：

请对附件中的训练数据（order_train1.csv）进行深入地分析，可参照但不限于下述主题。

对于这一问而言，我把8个主题全部分析了.

（1）产品的不同价格对需求量的影响；（2）产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；（3）不同销售方式（线上和线下）的产品需求量的特性；（4）不同品类之间的产品需求量有何不同点和共同点；（5）不同时间段（例如月头、月中、月末等）产品需求量有何特性；（6）节假日对产品需求量的影响；（7）促销（如618、双十一等）对产品需求量的影响；（8）季节因素对产品需求量的影响。

首先我要说一下，影响和特性的求解方式是不一样的。

影响是看到底有没有影响，影响的程度到底有多大，主要是相关性分析＋差异性分析。

而特性，则本质上只需要分类统计汇总分析。

具体可以分为以下三类。

1.产品的不同价格对需求量的影响；

两个定量数据之间的影响分析：

那就直接相关性分析：

之后做分位数回归，看一下究竟价格是怎么影响需求量的，在哪个点影响最大以及这种影响是怎么随着价格的变化而变化的：

（2）产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；（6）节假日对产品需求量的影响；（7）促销（如618、双十一等）对产品需求量的影响；（8）季节因素对产品需求量的影响。

有这样一张总表：

这道题的需求量数据很明显并不是正态分布的：

对于所在区域，一共是五个独立变量，因此，要做多独立样本非参数检验：

确定完差异程度之后，也就是有没有影响以及影响大小之后，做特性统计：

对于其余的，则首先要标注数据，但标注的时候大家一定要谨慎，例如节假日是不包括周六周日的，这个大家一定要清楚！：

同时，大家要分清楚农历和阳历，对于除夕、端午节这些节日，都是按照农历计算的，我们要查询到每一年这些节日对应的公历日期才可以：

比如中秋节：

全部标注完之后，开始做差异性分析，只有是否，所以这里就是双独立样本检验了：

之后是促销因素，

促销我选用了618 双十一和双十二：

方法一样我就不赘述了。

大家也要注意，小学常识：季节不是1-3月就是春天，那是农历，对于公历来说：

标注之后，采用和所在区域一样的多独立样本检验即可。

对于特性分析来说，只需要做统计分析即可：

OK，第一问结束。

第二问：

基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来3月（即2019年1月、2月、3月）的月需求量，将预测结果按照表3的格式保存为文件result1.xlsx，与论文一起提交。请分别按天、周、月的时间粒度进行预测，试分析不同的预测粒度对预测精度会产生什么样的影响。

第二问花了我整整三天的时间。

这道题肯定是不可以用时间序列的，又不是一个产品，需求量当然不是只跟时间有关。

因为这很明显是一个多输入的非线性回归问题，也就是说，有多个因素影响需求量，每个因素都可以作为自变量，需求量是因变量。题目也说了：

机器学习训练是肯定的，但是这个数据量实在太大了，59w多条，训练起来很麻烦。

而且手动调参精度我一直提升不上去，最后只能是结合神经网络自动寻优。

按照题目要求，我们是需要训练出月、周、日三个模型的，跑这三个模型花了我整整三天时间。

给大家看一下精度最低的那个模型吧：

70多是最低的，最高的是哪个模型为了保证限量我就不说了，精度是80%多。

看一下最后的预测表格：

整理成题目要求的格式：

是这样的：

教大家一个判断自己结果到底对不对的方法，同一个产品，三个月的需求量虽然会有变化，但是绝对不会相差太多，如果相差非常大，那么模型肯定是存在问题的。