Public Bicycle Share Programs and Head Injuries
Notice bibliographique
Résumé
OBJECTIVES: We evaluated the effect of North American public bicycle share programs (PBSPs), which typically do not offer helmets with rentals, on the occurrence of bicycle-related head injuries. METHODS: We analyzed trauma center data for bicycle-related injuries from 5 cities with PBSPs and 5 comparison cities. We used logistic regression models to compare the odds that admission for a bicycle-related injury would involve a head injury 24 months before PBSP implementation and 12 months afterward. RESULTS: In PBSP cities, the proportion of head injuries among bicycle-related injuries increased from 42.3% before PBSP implementation to 50.1% after (P < .01). This proportion in comparison cities remained similar before (38.2%) and after (35.9%) implementation (P = .23). Odds ratios for head injury were 1.30 (95% confidence interval = 1.13, 1.67) in PBSP cities and 0.94 (95% confidence interval = 0.79, 1.11) in control cities (adjusted for age and city) when we compared the period after implementation to the period before. CONCLUSIONS: Results suggest that steps should be taken to make helmets available with PBSPs. Helmet availability should be incorporated into PBSP planning and funding, not considered an afterthought following implementation.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».