Notice bibliographique
Résumé
Pregnancy causes diverse physiologic and lifestyle changes that may contribute to increased driving and driver error. We compared a woman’s risk of a serious motor vehicle crash during her second trimester to her own baseline risk before pregnancy. We conducted a population-based self-matched exposure-crossover longitudinal cohort analysis of women who gave birth in Ontario, Canada, between April 1, 2006 and March 31, 2011 (5 years). We excluded women less than age 18 years, individuals living outside Ontario, those who lacked a valid identifier number under universal insurance, and cases managed by a midwife. The primary outcome was a motor vehicle crash resulting in a hospital emergency department visit. A total of 507,262 women gave birth during the study (mean age = 30 years, middle-low socioeconomic status = 64%, cesarean section rate = 30%). The women accounted for a total of 6,922 motor vehicle crashes as drivers during the three-year baseline interval (177 per month) and 757 motor vehicle crashes as drivers during their second trimester (252 per month). The elevated risk during the middle of pregnancy equaled a 42% increase in crash risk (95% confidence interval 32 to 53, p < 0.001). The increased risk included diverse populations, varied obstetrical cases, and different crash characteristics. The increased risk was largest in the early second trimester and compensated during the third trimester. No increase was observed in incidents involved as passengers or pedestrians, cases of intentional injury or inadvertent falls, or self-reported risky behaviors. The absolute risk amounted to an estimated 1-in-50 women experiencing a motor vehicle crash at some point during an average pregnancy, taking into account all nine months and the full spectrum of severity (fatal, injury, and vehicle damage combined). We suggest that pregnancy is associated with an increased risk of a serious motor vehicle crash during the second trimester that may merit attention in prenatal care guidelines.
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) | 0,002 | 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 ».