Prevalence of helmet use by users of bicycles, push scooters, inline skates and skateboards in Toronto and the surrounding area in the absence of comprehensive legislation: an observational study
Notice bibliographique
Résumé
BACKGROUND: Legislation in the province of Ontario, Canada, mandates users under the age of 18 to wear a helmet when they ride a bicycle, and legislation has been shown to significantly increase rates of bicycle helmet use. Legislation does not exist in Ontario for older bicyclists or for users of other non-motorised modes of transportation, and there are no current data available regarding rates of helmet use in these categories. This study was designed to determine the prevalence of helmet use among users of bicycles, skateboards, push scooters and inline skates in Toronto, Ontario, and the surrounding area. Further analysis was performed to examine factors associated with helmet use. METHODS: We performed a cross-sectional, observational study. Three trained, stationary observers captured 6038 users of bicycles (5783), skateboards (77), inline skates (165) and push scooters (13) in the summer of 2009. Observations were separated into three time periods capturing commuters, midday users and recreational users. A general linear model was used to assess the factors associated with helmet use among bicyclists. RESULTS: Helmets were worn by 48.9% of all users observed and 50.0% of all bicyclists. Among bicyclists, females were more likely to wear helmets than males (prevalence ratio 1.27, 95% CI 1.17 to 1.36), while children were significantly more likely to wear helmets than adults (prevalence ratio 1.17, 95% CI 1.37 to 2.15). Significant behavioural variation was observed among users during the three observation periods (p<0.001), with commuters being the most likely to wear a helmet. CONCLUSION: In the absence of comprehensive legislation encompassing all ages of users, only half of users of non-motorised, wheeled transportation devices are choosing to wear a helmet to protect against traumatic brain injury. Implementation of evidence-based strategies to increase helmet use, such as the introduction of legislation encompassing all ages and all equipment, is required.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».