Cell phone use and traffic crash risk: a culpability analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The use of a cell phone or communication device while driving is illegal in many jurisdictions, yet evidence evaluating the crash risk associated with cell phone use in naturalistic settings is limited. This article aims to determine whether cell phone use while driving increases motor vehicle crash culpability. Method Drivers involved in crashes where police reported cell phone use (n = 312) and propensity matched drivers (age, sex, suspect alcohol/drug impairment, crash type, date, time of day, geographical location) without cell phone use (n = 936) were drawn from Insurance Corporation of British Columbia Traffic Accident System data. A standardized scoring tool, modified to account for Canadian driving conditions, was used to determine crash culpability from police reports on all drivers from the crashes. The association between crash culpability and cell phone use was determined, with additional subgroup analyses based on crash severity, driver characteristics and type of licence. RESULTS: A comparison of crashes with vs without cell phones revealed an odds ratio of 1.70 (95% confidence interval 1.22-2.36; P = 0.002). This association was consistent after adjustment for matching variables and other covariates. Subgroup analyses demonstrated an association for male drivers, unimpaired drivers, injured and non-injured drivers, and for drivers aged between 26 and 65 years. CONCLUSIONS: Crash culpability was found to be significantly associated with cell phone use by drivers, increasing the odds of a culpable crash by 70% compared with drivers who did not use a cell phone. This increased risk was particularly high for middle-aged drivers.
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.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,007 | 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 découle