The influence of crossing controls and crossing location on severity of injury among urban pedestrians
Notice bibliographique
Résumé
Background Pedestrian injuries impose a significant burden on society, particularly in urban environments. The objective of this study was to determine the relationship between severity of pedestrian injury and presence of crossing controls at intersections and midblock locations in a large urban centre. Methods The data were obtained from the City of Toronto's Traffic Data Centre and Safety Bureau. All police-reported motor vehicle collisions involving pedestrians between 1 January 2000 and 31 December 2005 were included. Logistic regression was used to assess the relationship between injury severity and the location of the collision. Results There were 98.6/100 000 motor vehicle versus pedestrian collisions. 11/100 000 of these collisions resulted in severe injury and 1.4/100 000 resulted in fatal injury. At intersections, absence of a crossing control conferred a 1.8 greater odds of severe injury and a four times greater odds of fatal injury compared to where controls were present. At midblock locations, crossing controls did not reduce the odds of a severe or fatal injury; there was a 1.5 times greater odds of either severe/fatal injury at midblock locations compared to intersections with crossing controls. Discussion More intersection crossing controls would decrease the severity of pedestrian injury by slowing down traffic. Midblock crossing controls do not appear to have the same effect. There were 86 fatalities which occurred at uncontrolled midblock locations and overall, midblock fatalities represented 44% of all fatal pedestrian collisions. Effective strategies to deal with pedestrian midblock collisions are essential, considering the large injury burden these collisions represent.
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 ».