MétaCan
Menu
Retour à la cohorte
Enregistrement W2160779748

PEDESTRIAN FATAL CRASHES ON FREEWAYS IN TEXAS

2015· article· en· W2160779748 sur OpenAlexaboutno aff
Vichika Iragavarapu, S. Hadi Khazraee, Dominique Lord, Kay Fitzpatrick

Notice bibliographique

RevueTransportation Research Board 94th Annual MeetingTransportation Research Board · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPedestrianCrashTransport engineeringQuarter (Canadian coin)Poison controlHazardEngineeringGeographyEnvironmental healthMedicineComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Over the five-year period of 2007 through 2011, 2,232 fatal pedestrian crashes were recorded in Texas. 21% of these crashes were found to have occurred on controlled-access facilities (i.e. freeways). This is an alarmingly high number for a location where pedestrians are least expected. This study analyzed crash reports and police officer narratives to understand the characteristics and contributing factors associated with fatal pedestrian crashes on freeways. The contributing factors identified include pedestrian and driver alcohol use and dark conditions. Eighty percent of the crashes occurred after dark, almost half of which were at a location with no lighting. Intoxicated pedestrians were involved in twenty eight percent of crashes, with an average BAC of 0.20. To alleviate this problem, there may be a need for conducting a “Don’t Drink and Walk” campaign to educate the general public of dangers of walking while intoxicated, especially at night. A quarter of the crashes involved unintended pedestrians, i.e. those who were out of their vehicle due to a previous crash or a stalled vehicle. Motorists should be educated to not work on their vehicle in traffic and not to try and cross the freeway to reach a shoulder or median. It is best to wait in the vehicle with seat belt and hazard lights on until emergency services arrive.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,404
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,354
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 94th Annual MeetingTransportation Research BoardMême sujetTraffic and Road SafetyTravaux en français237 207