Pregnancy and the risk of a traffic crash
Notice bibliographique
Résumé
INTRODUCTION: Pregnancy causes diverse physiologic and lifestyle changes that may contribute to increased driving and driving error. We compared the risk of a serious motor vehicle crash during the second trimester to the baseline risk before pregnancy. METHODS: We conducted a population-based self-matched longitudinal cohort analysis of women who gave birth in Ontario between April 1, 2006, and March 31, 2011. We excluded women less than age 18 years, those living outside Ontario, those who lacked a valid health card identifier under universal insurance, and those under the care of a midwife. The primary outcome was a motor vehicle crash resulting in a visit to an emergency department. RESULTS: A total of 507,262 women gave birth during the study period. These women accounted for 6922 motor vehicle crashes as drivers during the 3-year baseline interval (177 per mo) and 757 motor vehicle crashes as drivers during the second trimester (252 per mo), equivalent to a 42% relative increase (95% confidence interval 32%-53%; p<0.001). The increased risk extended to diverse populations, varied obstetrical cases and different crash characteristics. The increased risk was largest in the early second trimester and compensated for by the third trimester. No similar increase was observed in crashes as passengers or pedestrians, cases of intentional injury or inadvertent falls, or self-reported risky behaviours. INTERPRETATION: Pregnancy is associated with a substantial risk of a serious motor vehicle crash during the second trimester. This risk merits attention for prenatal care.
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 | 0,005 | 0,033 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».