Pietons Victimes D'un Accident De la Route En Milieux Urbain et Rural Au Quebec et En Ontario, 1995-1997 *
Notice bibliographique
Résumé
Les accidents de la route impliquant des pietons reste un probleme majeur pour la securite routiere, meme si le nombre de pertes de vie a diminue au Quebec et en Ontario. Dans cet article, nous analysons les statistiques des victimes pietonnes dans les deux provinces, de 1995 a 1997, en distinguant les milieux urbain et rural. Dans une seconde partie, nous comparons quelques caracteristiques temporelles et environnementales issues des rapports de police. Les pertes de vie sont plus elevees chez les Quebecois en milieu rural. Il n'y a pas de difference entre les deux milieux en Ontario. La morbidite est plus importante en milieu urbain pour les deux sexes dans les deux provinces. Les variations saisonnieres et horaires different entre les milieux ; par contre, sauf exceptions, on retrouve les caracteristiques environnementales similaires dans les deux provinces. Finalement, nous commentons les resultats obtenus, tout en indiquant les limites de cette recherche. Automobile accidents involving pedestrians remain a major problem for road safety, even though the number of deaths has diminished in Quebec and Ontario. In this article we analyze the statistics regarding pedestrians, victims of road accidents in Quebec and Ontario between 1995 and 1997, distinguishing between urban and rural accidents. In a second part we compare some temporal and environmental characteristics which emerge from the police reports. Loss of life is higher in Quebec in rural accidents. In Ontario there is no difference between the two milieus. Morbidity is more important in urban accidents for both provinces. There is a difference between the two milieus for seasonal and daytime accident occurrences, on the other hand with few exceptions; we find similar environmental characteristics in both provinces. Finally, we comment on the results obtained while indicating the parameters of our research and findings. Introduction A l'aide de la litterature canadienne, Andrey (2000) a etudie les liens entre la frequence des deplacements et l'exposition au risque d'accident des conducteurs, ainsi que les liens entre la qualite de l'exposition et la securite; cependant, son expose porte sur les conducteurs et non sur les pietons. Dans la litterature internationale, nous n'avons pas trouve d'articles qui comparent les bilans des victimes pietons selon les milieux urbain et rural. Par ailleurs, l'analyse des statistiques sur les victimes pietons suggere que les variables individuelles et environnementales sont correlees au risque d'accident, mais ces etudes ont porte plus sur les differences demographiques qu'environnementales (Fontaine et Goulet 1997; Metz 2000) et sur quelques caracteristiques du reseau routier (Anderson et al 1997 ; NHTSA 1999 ; La Scala et al 2000). Fontaine et Goulet (1997) ont analyse les rapports d'accidents impliquant des pietons entre mars 1990 et fevrier 1991, en France. Durant cette periode, a l'echelle du pays, les pertes de vie chez les pietons s'elevaient a 1 367. Les resultats de la classification issue de l'analyse factorielle par correspondance definissaient quatre categories de pietons a risque : 1) les pietons ages (65 ans et plus) traversant une artere en milieu urbain (42 % des deces) ; 2) les enfants de 15 ans et moins courant ou jouant durant la journee en milieu urbain (34 %) ; 3) les pietons en milieu rural, avec une concentration d'alcool, marchant le long de la route ou sortant d' un etablissement (13 %) ; 4) les pietons impliques dans une collision secondaire (11%). Les impacts des accidents pour les personnes agees sont plus graves puisque 37,1% des 65 ans et plus sont tues ou blesses grievement. Aux Etats-Unis, selon La Scala et al (2000), les pertes de vie chez les pietons surviennent surtout en zone urbaine et les groupes les plus vulnerables sont les enfants et les personnes agees. Parmi les variables environnementales, la densite de la population, les quartiers urbains defavorises, les flux de trafic et la vitesse sont quelquesunes des variables regulierement associees aux taux de mortalite et de morbidite chez les pietons (Rannou et al 1996 ; Anderson et al 1997 ; NHTSA 1999). …
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».