COMMUNITY PREVENTION STRATEGIES FOR SPEED REDUCTION IN SCHOOL ZONES: WHAT ARE THE REAL IMPACTS?
Notice bibliographique
Résumé
BACKGROUND: Pedestrian injuries are responsible for most transport related fatalities among children, emphasizing the importance of implementing good practices to improve child pedestrian safety. Pedestrian fatality risk is directly related to speed. Accidents involving a car traveling more than 40 km/h have drastically a higher risk of death. The city of Sherbrooke and various stakeholders build up community-wide strategies based upon engineering, enforcement, advocacy and education to reduce vehicle speed in school zones to improve pedestrian safety, reduce injuries severity and promote active transport. OBJECTIVES: To compare the average vehicle speeds in school zones between school hours (7am-5pm, Monday to Friday) and the rest of the week (evenings, nights and weekend). DESIGN/METHODS: A cross-sectional study to measure vehicle speeds was performed during 26 complete days, in October and November 2015 after implementing community prevention strategies around 4 elementary school zones in the city of Sherbrooke. Vehicle speed measurements before the intervention were available for one school zone and used for a before-after analysis. RESULTS: A total of 130, 274 vehicle speeds were measured in fall 2015. The mean speed for all school zones was 36.9 ± 5.4 km/h between 7am-5pm compared to 42.7 ± 5.8 km/h for evening, night and weekend hours (p < 0.0001). Furthermore, we observed an 9% reduction of vehicle speed on 7am-5pm weekdays after the implementation of prevention strategies in 2015. The mean speed was 36.4 km/h in 2013 and 33.2 km/h in 2015. CONCLUSION: Community-based interventions are an efficient method to reduce speed during school hours. These strategies led to a reduction in average speed during other hours of the day and during the weekend. However, the average speed measured in school zones were not under 30 km/h between 7am-5pm. These strategies could help other cities to promote safe pedestrian environments and improve active transportation and physical activity among children.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».