Spatial Analysis of Road Traffic Crashes in Oyo State of Nigeria
Notice bibliographique
Résumé
Road Traffic Crashes (RTC) are a global concern because of the frequencies of deaths, injuries and material losses experienced by countries as a result of the menace. The significance of the effect of RTC to individuals, societies and nations at large call for investigation into the pattern of the menace across neighbourhoods. This paper examined the characteristics, spatial pattern and concentrations of RTC in Nigeria, Oyo state and across Local Government Areas (LGA). Data on RTC were obtained from Federal Road Safety Commission (FRSC). The longitudes and latitudes of RTC locations were collected based on landmarks provided by FRSC. RTC cases were found to pose a greater risk of deaths than most of the diseases that is the focus of individuals, government, nongovernmental organizations and international bodies in Nigeria. The analysis showed that there was less than 1% likelihood that the observed clustering pattern in RTC could be a result of random chance. The Unique RTC center was found to be Akinyele LGA. The standard deviational ellipse was found to be a more elegant measure of spatial concentration than the standard distance deviation. The black spots include Oyo West, Oyo East, Afijio, Akinyele, Lagelu, Egbeda, Ona Ara, Oluyole, Ido, Ibadan North, Ibadan North East, Ibadan North West, Ibadan South East and Ibadan South West LGA. The results should enable the orientation of safety and injury prevention policies targeted towards reducing the frequency of RTC and deaths of young adults in the state.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».