An Unbiased Estimate of the Relative Crash Risk of Cell Phone Conversation while Driving an Automobile
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph">A key aim of research into cell phone tasks is to obtain an unbiased estimate of their relative risk (RR) for crashes. This paper re-examines five RR estimates of cell phone conversation in automobiles. The Toronto and Australian studies estimated an RR near 4, but used subjective estimates of driving and crash times. The OnStar, 100-Car, and a recent naturalistic study used objective measures of driving and crash times and estimated an RR near 1, not 4 - a major discrepancy. Analysis of data from GPS trip studies shows that people were in the car only 20% of the time on any given prior day at the same clock time they were in the car on a later day. Hence, the Toronto estimate of driving time during control windows must be reduced from 10 to 2 min. Given a cell phone call rate about 7 times higher when in-car than out-of-car, and correcting for misclassification of some post-crash calls as pre-crash, the final required downward adjustment of the Toronto and Australian RR estimates is about 7 times. The Toronto adjusted RR is 0.61 and the Australian adjusted RR is 0.64, which now agree with the OnStar RR estimate of 0.62. All five adjusted RR estimates for cellular conversation while driving in automobiles are near 1, with a pooled RR of 0.61 (95% confidence interval 0.51 to 0.74). Talking on a cell phone while driving an automobile does not increase crash risk relative to not talking.</div></div>
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle