Adolescent passengers of drunk drivers: a multi‐level exploration into the inequities of risk and safety
Notice bibliographique
Résumé
AIMS: This study determined the individual-, neighbourhood- and provincial-level effects of rural residence, socio-economic status (SES), substance use and driving behaviours on adolescents' riding with a drunk driver (RDD). DESIGN: Multi-level study based on cross-sectional self-reported anonymous data from the Student Drug Use Survey in the Atlantic Provinces (SDUSAP) and Census Canada data, merged on the postal code of participating schools. The sample design of the SDUSAP was a single-stage cluster sample of randomly selected classes stratified by grade and region. SETTING: The Atlantic provinces of Canada. PARTICIPANTS: A total of 12 990 students in junior and senior high schools, with an average age of 15 years, participated in the 2002 SDUSAP. MEASUREMENTS: The outcome variable was past-year RDD. The main individual-level independent variables were SES, rural residence, substance use and driving behaviours. The school-neighbourhood independent variables were the prevalence of heavy episodic drinking, driving under the influence of alcohol, driver's licence, highest level of educational attainment and low income. FINDINGS: The prevalence of RDD was 23.3% in 2002. Among students in grades 9-12, lower family SES, rural residence, substance use and driving under the influence were found to be independent individual-level risk factors for RDD; having a driver's licence was found to be protective. At the provincial and school-neighbourhood levels, a high prevalence of driving under the influence of alcohol and low educational attainment were found to be independent risk factors for RDD after taking into account individual characteristics. CONCLUSIONS: This study provides evidence that inequities exist in the options for adolescents to be ensured of passenger safety, and that interventions aimed at decreasing the extent to which adolescents engage in riding with a drunk driver should be based on conceptual approaches that recognize ecological factors as well as individual-level susceptibility.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».