Prevalence of driving distractions among high school student drivers in three Canadian cities
Notice bibliographique
Résumé
Introduction Motor vehicle crashes are a leading cause of injury and hospitalisation for Canadian youth. Graduated Drivers Licensing have been implemented in several Canadian provinces. Purpose To assess the prevalence of compliance with rules and driving distractions among high school students in three Canadian cities (Halifax, Barrie and Vancouver) representing different geographic, socioeconomic and jurisdictional settings. Methods Observations were made at schools in the three cities. Schools were identified using school board websites and DMTI, a company that partners with universities to disseminate spatial data. Schools were classified into tertiles based on the income of their neighbourhood census tract, (2006 census). Trained observers attended each site for 30 min at end of the school day in May and June, 2009. Information on: drivers sex, driver seatbelt use, presence of an adult, number of youth passengers and four driver distractions: cell phone use, loud music, eating and smoking were noted. Results 417 observations were made at 40 schools. Among young drivers, the presence of at least one driver distraction was common (30.2% of cases). However, the type of distractions varied by province. The most common distraction was cell phone use in Vancouver. In Barrie and Halifax, the most common distraction was loud music. Distractions were seen more frequently among male drivers and drivers living in Vancouver. The effect of socioeconomic status varied by city. Seatbelt use was high in all sites. Conclusion Although many young drivers follow the rules, distractions remain common. Ongoing education and enforcement may improve youth driving behaviours further.
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 | 0,000 | 0,000 |
| 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 ».