The relationship between walking to school and child pedestrian injury in Toronto, Canada
Notice bibliographique
Résumé
Background Pedestrian collisions are a major cause of injury in Canadian children. Parents indicate that traffic injury risk is a leading reason why children are not encouraged to walk to school. Promoting walking to school must take injury risk into consideration. Previous studies investigating walking to school have generally relied on parent report, and have not included pedestrian injury data. Objective To determine the relationship between observed numbers of children walking to school and collision rates at elementary schools. Methods Observational counts were conducted of elementary school transportation modes to school in Toronto, Canada. Pedestrian-motor vehicle collision data from 2000–2009 were obtained. Negative binomial regression was used to model rates of child pedestrian injury within school attendance boundaries with observed proportion of children walking to school. Results There were 441 collisions in 118 study school boundaries. A total of 16 137 children were observed walking. The mean collision rate was 78/1000/child years. The mean proportion of walking to school was 67%. Walking to school was a significant predictor of collisions (4.05, 95% CI 1.22 to 13.43). Significance The proportion of children arriving to school using AST was higher and demonstrated greater variability than expected. Proportion of exposure to traffic with children walking to school was positively significantly associated with rate of child pedestrian collision. Increasing the numbers of children walking to school could have the undesired effect of increasing pedestrian injury rates, if efforts are not made to enhance pedestrian safety around schools.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».