MétaCan
Menu
← Retour à la cohorte
Enregistrement W2763442891 · doi:10.1093/pch/pxx086.093

INTERPROVINCIAL DIFFERENCES IN CHILDHOOD MOTOR VEHICLE-RELATED INJURIES AND BOOSTER SEAT LEGISLATION ACROSS CANADA

2017· article· en· W2763442891 sur OpenAlexaffabout
Lisa B. Fridman

Notice bibliographique

RevuePaediatrics & Child Health · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Farm Safety
Établissements canadiensToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésLegislationBooster (rocketry)Injury preventionPoison controlMedicinePopulationEnvironmental healthOccupational safety and healthHuman factors and ergonomicsIncentiveSuicide preventionBusinessEngineeringPolitical scienceLawEconomics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada, policies related to the prevention of childhood motor vehicle injuries, including graduated driver’s licensing, distracted driving, and booster seat legislation, vary by province. In some provinces, booster seat legislation only includes age, weight, and height restrictions. Other provinces have policies that include driver responsibility, non-compliance penalties, and public education and incentive programs. Alberta is currently the only province that does not have booster seat legislation. Although using a child restraint can reduce the risk of fatality and serious injury for infants and toddlers by 50-70%, Snowdon et al. (2009) found that only 60.5% of the children were restrained in the correct safety seat. This study raised questions about the relationship between booster seat legislation and uptake of appropriate child restraint. Although there is evidence that shows that booster seat legislation can be effective in reducing childhood motor vehicle related injuries, there is still a lack of harmonization of this legislation across Canada. OBJECTIVES: The objectives of this study are to perform 1) an interprovincial comparison of hospitalization and death rates related to pediatric motor-vehicle collisions and 2) summarize differences in booster seat legislation across Canadian provinces. DESIGN/METHODS: An interprovincial comparison of motor vehicle-related hospitalizations and death rates in Canadian children and adolescents (0-19 years old) was performed using data from the Discharge Abstract Database and the Vital Statistics Death Database. Population-based rates per 100,000 are reported for each province over a 6-year time period (2006-2012). A literature review comparing differences in booster seat legislation in Canada has also been summarized. RESULTS: The population-based hospitalization rate from motor-vehicle related injuries sustained between 2006 and 2012 for children ages 5-9 was highest in Saskatchewan (78.21 per 100,000) and lowest in Ontario (30.72 per 100,000) compared to the Canadian average (40.37 per 100,000). The population-based motor-vehicle related fatality rate in 2006 for children and adolescents ages 0-19 was highest in Alberta (7.82 per 100,000) and lowest in Ontario (3.52 per 100,000). However this rate did decrease over the 6 year period to a fatality rate of 4.18 and 2.27 per 100,000 respectively in Alberta and Ontario. CONCLUSION: Provinces that have not enacted booster seat legislation have the highest rate of childhood motor-vehicle related fatalities compared to the Canadian average. These findings highlight the importance of implementing evidence-based prevention policies across Canadian provinces in order to decrease the burden of transport-related injuries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetAgriculture and Farm Safety→Travaux en français237 207→