Novice Drivers’ Exposure to Known Risk Factors During the First 18 Months of Licensure: The Effect of Vehicle Ownership
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Though there is ample research indicating that nighttime, teen passengers, and speeding increase the risk of crash involvement, there is little research about teen drivers' exposure to these known risk factors. Three research questions were assessed in this article: (1) Does exposure to known risk factors change over time? (2) Do teenage drivers experience higher rates of exposure to known risk factors than adult drivers? (3) Do teenage drivers who own a vehicle experience higher rates of exposure to risk factors than those who share a family vehicle? METHODS: Forty-one newly licensed teenage drivers and at least one parent (adult) were recruited at licensure. Driving data were recorded for 18 months. RESULTS: Average vehicle miles traveled (VMT) or average nighttime VMT for teens did not increase over time. Teenagers consistently drove 24 percent of VMT at night, compared with 18 percent for adults. Teenagers drove 62 percent of VMT with no passengers, 29 percent of VMT with one passenger, and less than 10 percent of VMT with multiple passengers. Driving with no passengers increased with driving experience for these teens. Teenage drivers who owned their vehicles, relative to those who shared a vehicle, sped 4 times more frequently overall and more frequently at night and with multiple teen passengers. CONCLUSION: These findings are among the first objective data documenting the nature of teenage driving exposure to known risk factors. The findings provide evidence that vehicle access is related to risk and suggest the potential safety benefit of parental management of novice teenage driving exposure.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle