Motor Vehicle-Pedestrian Collisions and Walking to School: The Role of the Built Environment
Notice bibliographique
Résumé
OBJECTIVES: Initiatives to increase active school transportation are popular. However, increased walking to school could increase collision risk. The built environment is related to both pedestrian collision risk and walking to school. We examined the influence of the built environment on walking to school and child pedestrian collisions in Toronto, Canada. METHODS: Police-reported pedestrian collision data from 2002 to 2011 for children ages 4 to 12, proportion of children walking to school, and built environment data were mapped onto school attendance boundaries. Collision rates were calculated by using 2006 census populations and modeled by using negative binomial regression. RESULTS: There were 481 collisions with a mean collision rate of 7.4/10 000 children per year. The relationship between walking proportion and collision rate was not statistically significant after adjusting for population density and roadway design variables including multifamily dwelling density, traffic light, traffic calming and 1-way street density, school crossing guard presence, and school socioeconomic status. CONCLUSIONS: Pedestrian collisions are more strongly associated with built environment features than with proportions walking. Road design features were related to higher collision rates and warrant further examination for their safety effects for children. Future policy designed to increase children's active transportation should be developed from evidence that more clearly addresses child pedestrian safety.
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 ».