School environments and social risk factors for child pedestrian-motor vehicle collisions: A case-control study
Notice bibliographique
Résumé
BACKGROUND: Child pedestrian-motor vehicle collisions (PMVCs) have decreased in Canada in the past 20 years. Many believe this trend is explained by the rise in automobile use for all travel. Initiatives to increase walking to school need to consider PMVC risk. Potential risk factors related to walking to school, the built environment and social factors were examined for schools with historically high child PMVC rates. METHODS: Child PMVCs (age 4-12 years) from 2000 to 2013 and built environment features were mapped within school attendance boundaries in the City of Toronto, Canada. Case and control schools were in the highest and lowest PMVC quartiles respectively. Observational counts of travel mode to school were conducted. Logistic regression evaluated walking to school, built environment and social risk factors for higher PMVC rates, stratified by geographic location (downtown vs. inner suburbs). RESULTS: The mean PMVC rates were 18.8/10,000/year (cases) and 2.5/10,000/year (controls). One-way street density (OR=4.00), school crossing guard presence (OR=3.65) and higher social disadvantage (OR=1.37) were associated with higher PMVCs. Higher residential land use density had a protective effect (OR=0.56). More walking was not a risk factor. While several built environment risk factors were identified for the inner suburbs; only social disadvantage was a risk factor within older urban neighbourhoods. CONCLUSIONS: Several modifiable environmental risk factors were identified for child PMVCs. More walking to school was not associated with increased PMVCs after controlling for the environment. School social disadvantage was associated with higher PMVCs with differences by geographic location. These results have important implications for the design of roadways around schools.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».