MétaCan
Menu
Retour à la cohorte
Enregistrement W2130660101 · doi:10.12927/whp.2013.22066

Evaluation of a School-Based Intervention to Reduce Traffic-Related Injuries among Adolescents in Beijing

2010· article· en· W2130660101 sur OpenAlexvenueno aff
Chen Zhang, Yan Hong, Xiurong Liu, Yuqing Li, Jun Yang

Notice bibliographique

RevueWorld health & population · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBeijingIntervention (counseling)Environmental healthMedicineSuicide preventionInjury preventionPoison controlOccupational safety and healthMedical emergencyGeographyChinaNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Millions of adolescents are killed or injured in traffic accidents on the world's roads each year, but data on traffic-injury prevention programs targeting adolescents are limited, especially from developing countries. The aim of the study was to evaluate the effectiveness of a traffic-injury prevention program targeting adolescents in China. METHODS: We conducted a school-based traffic-safety intervention program with 2,759 students in two middle schools and two high schools in Beijing. An open-cohort, pre-post design with intervention and control groups was used to evaluate the intervention effect. RESULTS: Compared with the control group, the intervention group reported a significant increase in knowledge and awareness of traffic safety and a decrease in self-reported unsafe traffic behaviours. Students in middle school and girls reported better intervention effects than their high school and male counterparts. CONCLUSION: This study suggests that school-based traffic-injury prevention programs may increase participants' knowledge of traffic signs and awareness of traffic safety issues. The high traffic mortality in China, particularly in Chinese adolescents, suggests that more age- and culture-appropriate traffic safety promotion programs are needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,859

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,428
Écart entre enseignants0,379 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld health & populationMême sujetInjury Epidemiology and PreventionTravaux en français237 207