Route Infrastructure and the Risk of Injuries to Bicyclists: A Case-Crossover Study
Notice bibliographique
Résumé
OBJECTIVES: We compared cycling injury risks of 14 route types and other route infrastructure features. METHODS: We recruited 690 city residents injured while cycling in Toronto or Vancouver, Canada. A case-crossover design compared route infrastructure at each injury site to that of a randomly selected control site from the same trip. RESULTS: Of 14 route types, cycle tracks had the lowest risk (adjusted odds ratio [OR] = 0.11; 95% confidence interval [CI] = 0.02, 0.54), about one ninth the risk of the reference: major streets with parked cars and no bike infrastructure. Risks on major streets were lower without parked cars (adjusted OR = 0.63; 95% CI = 0.41, 0.96) and with bike lanes (adjusted OR = 0.54; 95% CI = 0.29, 1.01). Local streets also had lower risks (adjusted OR = 0.51; 95% CI = 0.31, 0.84). Other infrastructure characteristics were associated with increased risks: streetcar or train tracks (adjusted OR = 3.0; 95% CI = 1.8, 5.1), downhill grades (adjusted OR = 2.3; 95% CI = 1.7, 3.1), and construction (adjusted OR = 1.9; 95% CI = 1.3, 2.9). CONCLUSIONS: The lower risks on quiet streets and with bike-specific infrastructure along busy streets support the route-design approach used in many northern European countries. Transportation infrastructure with lower bicycling injury risks merits public health support to reduce injuries and promote cycling.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».