The Classification and Analysis of 300 Cycling Crashes that Resulted in Visits to Hospital Emergency Departments in Toronto and Vancouver
Notice bibliographique
Résumé
Although many benefits of cycling exist, the injuries often deter people from this sustainable mode of transportation. As part of the Bicyclists’ Injuries and Cycling Environment study, interviews were conducted with 300 injured cyclists who visited the emergency department of one of 5 hospitals in Toronto or Vancouver. This paper classifies the crashes based on their circumstances and analyzes selected characteristics with a particular interest in city and demographic comparisons. Crashes were broadly classified as collisions (72%) or falls (28%) and as involving motor-vehicles (48.3%) or not. Injured cyclists in Toronto more frequently collided with streetcar tracks (Odds Ratio: 21.0) or vehicle doors (OR: 3.96), and less frequently collided with pedestrians or animals (OR: 0.29) than those in Vancouver. In a multiple logistic regression model comparing the odds of a crash being a collision versus a fall, collisions were more common in Toronto (OR: 3.50) than Vancouver, on trips to work or school (OR: 4.66) than trips for other purposes, and for injured females (OR: 1.69) than injured males. In a second model, motor-vehicle involvement was found to be more common among injured cyclists less than 30 years old (OR: 2.00) than those who were older, and on trips to work or school (OR: 2.89) than for other purposes. The use of drugs or alcohol was not significantly related to the crash circumstances. Variations in crash circumstances between cities suggest that modification of infrastructure could improve safety and increase the number of cyclists.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».