Personal and trip characteristics associated with safety equipment use by injured adult bicyclists: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to estimate use of helmets, lights, and visible clothing among cyclists and to examine trip and personal characteristics associated with their use. METHODS: Using data from a study of transportation infrastructure and injuries to 690 adult cyclists in Toronto and Vancouver, Canada, we examined the proportion who used bike lights, conspicuous clothing on the torso, and helmets on their injury trip. Multiple logistic regression was used to examine associations between personal and trip characteristics and each type of safety equipment. RESULTS: Bike lights were the least frequently used (20% of all trips) although they were used on 77% of trips at night. Conspicuous clothing (white, yellow, orange, red) was worn on 33% of trips. Helmets were used on 69% of trips, 76% in Vancouver where adult helmet use is required by law and 59% in Toronto where it is not. Factors positively associated with bike light use included night, dawn and dusk trips, poor weather conditions, weekday trips, male sex, and helmet use. Factors positively associated with conspicuous clothing use included good weather conditions, older age, and more frequent cycling. Factors positively associated with helmet use included bike light use, longer trip distances, hybrid bike type, not using alcohol in the 6 hours prior to the trip, female sex, older age, higher income, and higher education. CONCLUSIONS: In two of Canada's largest cities, helmets were the most widely used safety equipment. Measures to increase use of visibility aids on both daytime and night-time cycling trips may help prevent crashes.
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 | 0,005 | 0,002 |
| 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 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 ».