A systematic review of correct bicycle helmet use: how varying definitions and study quality influence the results
Notice bibliographique
Résumé
BACKGROUND: Bicycle helmets effectively reduce the risk of bicycle-related head injuries and trauma; however, they must fit properly to be effective. Little is known about the prevalence of correctly worn helmets and factors associated with proper helmet use. OBJECTIVE: To examine proper bicycle helmet use through a systematic review. METHODS: Comprehensive searches of electronic medical databases were performed, and completed by grey literature and reference list checks to identify eligible studies. Studies eligible for inclusion had to involve cyclists and report on the prevalence of correct or incorrect helmet use. Two reviewers independently selected studies and data were extracted regarding the prevalence and factors influencing proper helmet wearing of cyclists. RESULTS: An inclusive search strategy led to 2285 prescreened citations; 11 of the studies were finally included in the review. Overall, correct helmet use varied from 46% to 100%, depending on the criteria used by researchers to define proper helmet use; stricter criteria reduced the proportion of properly worn helmets. Adulthood, female sex and educational interventions were associated with correct helmet use in some studies. Self-reported poor helmet fit (OR = 1.96; 95% CI 1.10 to 3.75), posterior positioning of helmet (OR = 1.52; 95% CI 1.02 to 2.26) and helmet loss in crash (OR = 3.25; 95% CI 1.82 to 5.75) increased the risk of head injury. In addition, educational programmes on helmet use in schools increased correct helmet use among schoolchildren. CONCLUSIONS: This systematic review outlines the current state of the literature including the variability in research methodology and definitions used to study proper helmet-wearing behaviour among cyclists.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».