Self-harm and risk of motor vehicle crashes among young drivers: findings from the DRIVE Study
Notice bibliographique
Résumé
BACKGROUND: Some motor vehicle crashes, particularly single-vehicle crashes, may result from intentional self-harm. We conducted a prospective cohort study to assess the risk that intentional self-harm poses for motor vehicle crashes among young drivers. METHODS: We prospectively linked survey data from newly licensed drivers aged 17-24 years to data on licensing attempts and police-reported motor vehicle crashes during the follow-up period. We investigated the role of recent engagement in self-harm on the risk of a crash. We took into account potential confounders, including number of hours of driving per week, psychological symptoms and substance abuse. RESULTS: We included 18 871 drivers who participated in the DRIVE Study for whom data on self-harm and motor vehicle crashes were available. The mean follow-up was 2 years. Overall, 1495 drivers had 1 or more crashes during the follow-up period. A total of 871 drivers (4.6%) reported that they had engaged in self-harm in the year before the survey. These drivers were at significantly increased risk of a motor vehicle crash compared with drivers who reported no self-harm (relative risk [RR] 1.42, 95% confidence interval [CI] 1.15-1.76). The risk remained significant, even after adjustment for age, sex, average hours of driving per week, previous crash, psychological distress, duration of sleep, risky driving behaviour, substance use, remoteness of residence and socio-economic status (RR 1.37, 95% CI 1.09-1.72). Most of the drivers who reported self-harm and had a subsequent crash were involved in a multiple-vehicle crash (84.1% [74/88]). INTERPRETATION: Engagement in self-harm behaviour was an independent risk factor for subsequent motor vehicle crash among young drivers, with most crashes involving multiple vehicles.
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) | 0,000 | 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 | 0,001 |
| 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 ».