Vulnerability to pedestrian trauma: Demographic, temporal, societal, geographic, and environmental factors
Notice bibliographique
Résumé
Background: Pedestrian trauma frequently results in devastating and costly injuries and accounts for 11% of all road-user fatalities. Trauma surgeons, with their unique perspectives on and access to injury data, and geographers, with their access to powerful spatial analysis tools, are in a strong position to help in the development of relevant and evidence-based policy for the prevention of pedestrian trauma. Methods: A 5-year retrospective co hort study (2001 to 2006) was conducted in a large metropolitan region to determine demographic, temporal, societal, geographic, and environmental risk factors for pedestrian trauma. Results: A total of 387 patients sustained severe injuries as a result of pedestrian trauma during the study period. Fifty-five percent (214/387) were male and the mean age of all patients was 54.0 years (range 18.0– 98.0; SD 20.0). Most injuries tended to occur in the early evening and during the fall months (September to November). Inhabitants of lower socioeconomic status neighborhoods were particularly vulnerable and incidents appeared to cluster in high-risk locations. Conclusions: Combined epidemiological and geospatial analyses can provide insights into a broad array of risk factors for pedestrian trauma. Spatial epidemiology may also have applications for other public health issues with complex determinants. Background The consequences of motor vehicle crashes involving pedestrians are devastating. Canadian injury statistics from 1992 to 2001 reveal a yearly average of 416 fatalities and 14 252 injuries from pedestrian trauma (PT). 1
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».