Side Impact CrashesåFactors Affecting Incidence and Severity: Review of the Literature
Notice bibliographique
Résumé
Many traffic crashes are side impact collisions resulting in significant death and injury. A review was conducted of the evidence of driver, road, and vehicle characteristics affecting either the risk of occurrence or the severity of injury in such crashes for papers published from 1996 to early 2003. For drivers, evidence was found of increased crash risk or injury severity only for age and age-related medical conditions (e.g., dementia). Traffic roundabouts and other traffic control devices--stop signs, traffic lights, and so on--had mixed results; traffic controls were better than no controls, but their effectiveness varied with circumstance. Most vehicle characteristics have had little or no effect on crash occurrence. Antilock braking systems (ABS) in the striking vehicle had been anticipated to reduce the risk of crashes, but so far have demonstrated little effect. The primary emphasis in vehicle design has been on protective devices to reduce the severity of injury. Disparity in the size of the two vehicles, especially when the struck vehicle is smaller and lighter, is almost a consistent risk factor for occupant injury. The occupants of light trucks, however, when struck by passengers cars on the opposite side, were at higher risk of injury. Wearing seat belts had a consistently protective effect; airbags did not, but there were few studies, and no field studies, of lateral airbags found. Of all the characteristics examined, vehicle design, including occupant restraints, is the most easily modified in the short term, although road design, traffic control, and the monitoring of older drivers may also prove effective in reducing side impact crashes in the longer term.
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) | 0,002 | 0,001 |
| 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 ».