THE INJURY SEVERITY RATE DIFFERENCES IN PASSENGER CARS AND PICK UP TRUCKS RELATED TWO VEHICLE INVOLVED MOTOR VEHICLE CRASHES IN BRITISH COLUMBIA, CANADA
Notice bibliographique
Résumé
The effect of large vehicle involvement on motor vehicle crash (MVC) rates and severity has long been a concern in MVC analysis literature. Injuries in drivers and occupants are related to several key factors: the mass of the case vehicle and mass of its collision partner and speed of case vehicle and collision partner at the time of the crash. Objective: To evaluate the relative risk of injury occurrence in collisions between picks up trucks (PU) and passenger sedan cars (PS). Methods: Data from the Insurance Corporation of British Columbia (ICBC) crash data base was used to determine MVC rates and injury occurrence. Descriptive characteristics of the injury location and injury type were analyzed comparing the Odds Ratios and chi-squares. Results: PS occupants received more injuries; Odds Ratio was 2.49 (95% confidence interval: 2.15–2.88). Conclusion: Occupants in PS which collide with PU were at twice the risk of injuries. Concussion, whiplash, lacerations and abrasion were more frequent in PS drivers and occupants than in PU drivers and occupants. Overall, PS drivers/occupants experienced greater injuries than PU drivers/occupants in PU-PS collisions. In this paper, results are shown as odds ratios comparing occupants injuries in PS (case group) with occupant injuries in PU (control group).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».