MétaCan
Menu
Retour à la cohorte
Enregistrement W2092460746 · doi:10.1080/15389580309859

The Influence of the Age and Sex Distributions of Drivers on the Reduction of Impaired Crashes: Ontario, 1974-1999

2003· article· en· W2092460746 sur OpenAlexaffabout
Scott Macdonald

Notice bibliographique

RevueTraffic Injury Prevention · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésDemographyInjury preventionPoison controlPopulationOccupational safety and healthDistribution (mathematics)Human factors and ergonomicsMedicineGerontologyEnvironmental healthMathematics

Résumé

récupéré en direct d'OpenAlex

Legislative changes and public media campaigns to prevent impaired driving are often cited as explanations for the reduction in the rate of impaired crashes over the past 25 years in most of the industrialized world. Other factors may have contributed to these reductions, such as changes in the age and sex distribution of the driver population. The primary purpose of this article is to assess the extent to which the reduction in impaired crashes in Ontario, Canada, may be attributable to the changing age and sex distribution of drivers. In Ontario, the rate of impaired crashes declined by 78.1% from 1974 to 1999. During this time period, the average age of drivers increased from 39.4 years in 1974 to 43.2 in 1999. Similarly, from 1974 to 1999 the percentage of all drivers that were women increased from 39.6% to 46.8%. Since statistics show the likelihood of impaired crashes is lower for both older drivers and women, the reduction of impaired crashes is partially due to these demographic changes. Using indirect standardization, the aging population accounted for an 8.6% decline in the rate of impaired crashes. The changing sex distribution of drivers accounted for a 9.4% decline in impaired crashes. Other global factors may also help to explain the reduction of impaired crashes, such as general road safety improvements and reductions in per adult consumption of alcohol.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,225

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTraffic Injury PreventionMême sujetTraffic and Road SafetyTravaux en français237 207