Prevalence of Drug Use in Injured British Columbia Drivers
Notice bibliographique
Résumé
Motor vehicle crashes (MVCs) due to impaired driving are a leading cause of preventable injury and death and Canadians perceive impaired driving as the most important road safety issue today. Alcohol is well known to impair driving performance and crash risk increases with the amount consumed. Coroners’ studies and trauma center data show that alcohol is involved in about one third of MVCs resulting in serious injury or death. Many illicit drugs such as cannabis, over the counter medications such as antihistamines, and prescription medications such as benzodiazepines, also impair the psychomotor skills required for safe driving. Drivers may be able to compensate for impairment by driving more slowly or engaging in fewer risky maneuvers, but epidemiological evidence suggests that cannabis and benzodiazepines do increase the risk of crashing in real world driving conditions. For other illicit drugs and for other classes of prescription medications the epidemiological evidence for increased risk of crashing is very limited. Compared to drunk driving, drug driving remains poorly understood. It is important for road safety stakeholders to know the prevalence of drug driving, which impairing drugs are most commonly used by drivers, and which drivers are most likely to use drugs. This information can help public health agencies and road safety organizations develop public education and awareness campaigns. Healthcare personnel can use this information to develop medication warnings or interventions that target high risk drivers. Police agencies can develop drugged driving enforcement campaigns that target high risk drugs and drivers.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».