Injuries to adult cyclists in Toronto and Vancouver: describing the circumstances as a first step towards injury prevention
Notice bibliographique
Résumé
Introduction Bicycling is a sustainable mode of transportation with health benefits, but the risk of injury deters many people. We studied injured cyclists from two urban areas to characterise injury severity and mechanism. Methods Multicentre case-crossover study. Adult cyclists who visit emergency departments in three Toronto and two Vancouver hospitals are being recruited. Canadian Trauma and Acuity Score (CTAS) data are retrieved from hospital records. Descriptive data and comparisons of the first 300 injury events, 150 in each city, are presented. Results The median CTAS score was 3 (IQR: 3–4; n=228). Of the 300 cyclists studied, 27 (9.0%; 95% CI 5.8 to 12.2%) were admitted to hospital. Injury mechanism was classified as a collision in 213 cases (70.9%; 65.9–76.1%) or fall in 87 (29.1%; 23.9–34.1%). Collisions involved motor vehicles in 102 cases (34.1% of all events; 28.6–39.4%), streetcar/train tracks in 46 (15.4%; 10.9–19.0%), curbs/fences/barriers in 38 (12.7%; 8.3–15.7%), pedestrians/other cyclists in 14 (4.7%; 2.3–7.1%), potholes in 9 (3%; 1.1–4.9%) and animals in 3 (1%; 0–2.1%). Manoeuvres to avoid collisions resulted in 28 falls (9.3% of all events). The proportions of injuries involving motor vehicles were almost identical in the two cities, but the odds of an event involving dooring were higher in Toronto than Vancouver (OR 2.83, 95% CI 1.13 to 7.02). Toronto events were more likely to involve streetcar tracks (OR 19.6, 5.9 to 65.0) and less likely to involve pedestrians or cyclists (OR 0.33, 0.13 to 0.83) than those in Vancouver. Conclusions Injury circumstances and differences between cities suggest that transportation infrastructure and interactions with motorised and non-motorised traffic are important factors in cycling injuries.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».