Ecological study of road traffic injuries in the eastern Mediterranean region: country economic level, road user category and gender perspectives
Notice bibliographique
Résumé
BACKGROUND: The Eastern Mediterranean region has the second highest number of road traffic injury mortality rates after the African region based on 2013 data, with road traffic injuries accounting for 27% of the total injury mortality in the region. Globally the number of road traffic deaths has plateaued despite an increase in motorization, but it is uncertain whether this applies to the Region. This study investigated the regional trends in both road traffic injury mortality and morbidity and examined country-based differences considering on income level, categories of road users, and gender distribution. METHODS: Register-based ecological study linking data from Global Burden of Disease Study with the United Nations Statistics Division for population and World Bank definition for country income level. Road traffic injury mortality rates and disability-adjusted life years were compiled for all ages at country level in 1995, 2005, 2015 and combined for a regional average (n = 22) and a global average (n = 122). The data were stratified by country economic level, road user category and gender. RESULTS: Road traffic injury mortality rates in the Region were higher than the global average for all three reference years but suggest a downward trend. In 2015 mortality rates were more than twice as high in low and high income countries compared to global income averages and motor vehicle occupants had a 3-fold greater mortality than the global average. Severe injuries decreased by more than half for high/middle income countries but remained high for low income countries; three times higher for males than females. CONCLUSION: Despite a potential downward trend, inequalities in road traffic injury mortality and morbidity burden remain high in the Eastern Mediterranean region. Action needs to be intensified and targeted to implement and enforce safety measures that prevent and mitigate severe motor vehicle crashes in high income countries especially and invest in efforts to promote public, active transport for vulnerable road users in the resource poor countries of the Region.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».