Proportion of Injured Drivers Presenting to a Tertiary Care Emergency Department Who Engage in Future Impaired Driving Activities
Notice bibliographique
Résumé
OBJECTIVE: We determined the rate of, and predictive factors for, subsequent impaired driving activity (IDA) by injured drivers treated in a Canadian tertiary care emergency department (ED) following a motor vehicle crash (MVC). METHODS: We retrospectively identified all drivers injured in a MVC who presented to our tertiary care, urban ED (1999-2003) and had their blood alcohol content (BAC) measured. Injured drivers were categorized by BAC: group 1, BAC = 0; group 2, 0 < BAC < or = 17.3 mM (80 mg/dL, legal limit); and group 3, BAC > 17.3 mM. IDA was defined as any of the following: a conviction for impaired driving; a 24-h or 90-day license suspension for impaired driving; involvement in alcohol-related MVC. Time to IDA following the index event between groups was compared with Kaplan-Meier survival analyses. Effects of covariates on time to IDA were analyzed using Cox proportional hazards models. RESULTS: During the study period, 1489 injured drivers met study criteria: 1171 in group 1, 51 in group 2, and 267 in group 3. During an average follow-up of 52.4 months, 82 (30.7%) group 3 drivers engaged in subsequent IDA, compared with 80 (6.8%) group 1 drivers (p < 0.0001). Youth, male gender, history of previous IDA, and the number of previous IDA events were all associated with a significant increase in subsequent IDA. A history of IDA was the strongest predictor of future IDA in group 1 (440% increase risk) and in group 3 (80% increased risk). The magnitude of BAC elevation above the legal limit was not predictive of future IDA. CONCLUSIONS: A high portion of injured impaired drivers who present to hospital engage in repeat IDA following discharge. Besides impairment at time of hospital visit, the best predictor of future IDA is a history of IDA prior to the index event.
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 | 0,000 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».