Graduated driver licensing and motor vehicle crashes involving teenage drivers: an exploratory age-stratified meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: Graduated Driver Licensing (GDL) has been implemented in Australia, Canada, New Zealand, USA and Israel. We conducted an exploratory summary of available data to estimate whether GDL effects varied with age. METHODS: We searched MEDLINE and other sources from 1991-2011. GDL evaluation studies with crashes resulting in injuries or deaths were eligible. They had to provide age-specific incidence rate ratios with CI or information for calculating these quantities. We included studies from individual states or provinces, but excluded national studies. We examined rates based on person-years, not license-years. RESULTS: Of 1397 papers, 144 were screened by abstract and 47 were reviewed. Twelve studies from 11 US states and one Canadian province were selected for meta-analysis for age 16, eight were selected for age 17, and four for age 18. Adjusted rate ratios were pooled using random effects models. The pooled adjusted rate ratios for the association of GDL presence with crash rates was 0.78 (95% CI 0.72 to 0.84) for age 16 years, 0.94 (95% CI 0.93 to 0.96) for 17 and 1.00 (95% CI 0.95 to 1.04) for 18. The difference between these three rate ratios was statistically significant: p<0.001. CONCLUSIONS: GDL policies were associated with a 22% reduction in crash rates among 16-year-old drivers, but only a 6% reduction for 17-year-old drivers. GDL showed no association with crashes among 18-year-old drivers. Because we had few studies to summarise, particularly for older adolescents, our findings should be considered exploratory.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».