300 Unlocking keys to effecive ignitiion interlock programs to reduce alcohol impaired driving
Notice bibliographique
Résumé
Background Ignition interlocks, when installed on vehicles of drivers convicted of alcohol-impaired driving (AID), reduce repeat arrest by 67%. However post-interlock removal, recidivism (AID re-arrest) among previous interlock users equals that of AID-convicted drivers who never used interlocks. Also, the low numbers of offenders installing interlocks limits the impact. Study objectives include determining interlock program characteristics associated with increased interlock use and evaluating including alcohol treatment in the program to reduce post-interlock recidivism. Methods To determine effective program characteristics, eight interlock program keys (e.g. requirement to instal interlocks) were identified and each rated on 1–5 scale for 28 U.S. state interlock programs. Correlation analysis between rate of interlocks in use/10,000 population, and program key rating was conducted. To evaluate treatment in the one state with a treatment program, survival analysis using Cox regression proportional hazards model was performed with post-interlock recidivism as the terminal event. The treatment group (n = 640) were offenders with three or more violations (two alcohol-positive start attempts within four hours) who completed alcohol treatment. A comparison group (n = 806) of those with one or two violations who did not attend alcohol treatment was created by matching to the treatment group on demographic and risk factors. Results The program keys most correlated with higher interlock rates were having a requirement to instal interlocks (r = 0.63), and monitoring to ensure interlocks are installed and used (r = 0.56). Incorporating alcohol treatment into an interlock program was effective with the treatment group experiencing 32% lower recidivism following interlock removal compared with the non-treatment group. Conclusions Strengthening program keys and incorporating treatment into interlock programs increases use of interlocks and reduces AID re-arrest.
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 | 0,000 | 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) | 0,006 | 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 ».