Protecting only white children: the impact of child restraint legislation in Brazil
Notice bibliographique
Résumé
BACKGROUND: In 2010, Brazil introduced child restraint legislation (CRL). We assessed the effectiveness of CRL in reducing child (aged 0-8 years) injuries and fatalities by race. We performed an evaluation study with an interrupted time-series design. METHODS: We measured the effect of CRL on two outcomes-number of child deaths and number of child injured in traffic collisions per child population, stratified by race, from 2008 to 2014. We controlled for time, unemployment rate and oil consumption (barrels/day in thousands). RESULTS: The CRL was associated with a 3% reduction in the rate of child injuries among whites (incidence rate ratio (IRR): 0.97; 95% CI: 0.96-0.99), but no reduction in child injuries among non-whites (IRR: 0.99; 95% CI: 0.99-1.00). In the first month after the implementation of Brazil's CRL we observed a 39% reduction in all child fatalities (IRR: 0.61; 95% CI: 0.44-0.84), including a 52% reduction among whites (IRR: 0.48; 95% CI: 0.33-0.68), but no reduction in non-white fatalities (IRR: 0.87; 95% CI: 0.55-1.37). CONCLUSIONS: Our results support the hypothesis that socially advantaged populations were more likely to consistently adopt and employ restraint devices following the reform. Countries should also consider complementary policies that facilitate an equitable distribution of safety devices that reach vulnerable populations.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».