Road traffic injury mortality and its mechanisms in India: nationally representative mortality survey of 1.1 million homes
Notice bibliographique
Résumé
OBJECTIVES: To quantify and describe the mechanism of road traffic injury (RTI) deaths in India. DESIGN: We conducted a nationally representative mortality survey where at least two physicians coded each non-medical field staff's verbal autopsy reports. RTI mechanism data were extracted from the narrative section of these reports. SETTING: 1.1 million homes in India. PARTICIPANTS: Over 122 000 deaths at all ages from 2001 to 2003. PRIMARY AND SECONDARY OUTCOME MEASURES: Age-specific and sex-specific mortality rates, place and timing of death, modes of transportation and injuries sustained. RESULTS: The 2299 RTI deaths in the survey correspond to an estimated 183 600 RTI deaths or about 2% of all deaths in 2005 nationally, of which 65% occurred in men between the ages 15 and 59 years. The age-adjusted mortality rate was greater in men than in women, in urban than in rural areas, and was notably higher than that estimated from the national police records. Pedestrians (68 000), motorcyclists (36 000) and other vulnerable road users (20 000) constituted 68% of RTI deaths (124 000) nationally. Among the study sample, the majority of all RTI deaths occurred at the scene of collision (1005/1733, 58%), within minutes of collision (883/1596, 55%), and/or involved a head injury (691/1124, 62%). Compared to non-pedestrian RTI deaths, about 55 000 (81%) of pedestrian deaths were associated with less education and living in poorer neighbourhoods. CONCLUSIONS: In India, RTIs cause a substantial number of deaths, particularly among pedestrians and other vulnerable road users. Interventions to prevent collisions and reduce injuries might address over half of the RTI deaths. Improved prehospital transport and hospital trauma care might address just over a third of the RTI deaths.
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 | 0,000 |
| 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 ».