A Community Initiative to Increase Use of Seat Belts in Northern British Columbia: Impacts on Casualty Crashes
Notice bibliographique
Résumé
OBJECTIVE: The study aimed to establish an association between seat belt ticketing by police, seat belt wearing rates, and decreases in casualty rates following the implementation of a community seat belt initiative in a northern region of British Columbia. METHODS: Annual and monthly violation ticket rates and the percentage of casualties unbelted in collisions were computed for the North Central region and a comparison region, the Southern Interior. The trends in annual seat belt ticket rates, seat belt use among injured victims, and injury data from 2001 through 2007 were examined by descriptive/univariate methods and with intervention time series analysis. Use of a casualty rate measure controlled for changes in collision frequency over time. The primary outcome measure was injury claim incidents involving injuries other than to soft tissue. Injury claims involving only soft tissue were examined as a control series, because it was reasoned this subset of casualties would be less impacted by seat belt use. RESULTS: Seat belt tickets per capita increased in the North Central (NC) region over the study period, exceeding levels in all other regions. The percentage of unbelted occupants in casualty crashes fell by about 3 percent per year in the NC region after the initiative was introduced compared to about 1 percent per year in the SI region. The time series models revealed a significant reduction in non soft tissue casualties per 100 collisions per month. No significant reduction in the soft tissue only injury criterion was detected. CONCLUSIONS: A strong community initiative backed by support at the provincial level can be successful in a largely rural and sparsely populated northern region despite the challenges faced in such regions.
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 | 0,001 |
| 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 ».