MétaCan
Menu
Retour à la cohorte
Enregistrement W1991614403 · doi:10.1136/ip.2006.012112

Bicycle helmet prevalence two years after the introduction of mandatory use legislation for under 18 year olds in Alberta, Canada

2006· article· en· W1991614403 sur OpenAlexafffundabout
Brent Hagel, Jacques W. Rizkallah, André Lamy, Kathy Belton, Gian S. Jhangri, Nicola Cherry, Brian H. Rowe

Notice bibliographique

RevueInjury Prevention · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensAlberta Children's HospitalUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta Children's Hospital FoundationAlberta Heritage Foundation for Medical ResearchUniversity of AlbertaFondation pour la Recherche MédicaleChildren's Hospital Foundation
Mots-clésLegislationInjury preventionPoison controlSuicide preventionOccupational safety and healthHuman factors and ergonomicsForensic engineeringEnvironmental healthMedical emergencyEngineeringMedicinePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine changes in helmet use in cyclists following the introduction of a bicycle helmet law for children under age 18. METHODS: Cyclists were observed by two independent observers from July to August 2004 (post-legislation) in Edmonton, Alberta. The data were compared with a similar survey completed at the same locations and days in July to August 2000 (pre-legislation). Data were collected for 271 cyclists in 2004 and 699 cyclists in 2000. RESULTS: The overall prevalence of helmet use increased from 43% (95% CI 39 to 47%) in 2000 to 53% (95% CI 47 to 59%) in 2004. Helmet use increased in those under 18, but did not change in those 18 and older. In the cluster adjusted multivariate Poisson regression model, the prevalence of helmet use significantly increased for those under age 18 (adjusted prevalence ratio (APR) 3.69, 95% CI 2.65 to 5.14), but not for those 18 years and older (APR 1.17, 95% CI 0.95 to 1.43). CONCLUSION: Extension of legislation to all age groups should be considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,923

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,303
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetInjury Epidemiology and PreventionTravaux en français237 207