MétaCan
Menu
Retour à la cohorte
Enregistrement W2901722539 · doi:10.1111/ecin.12739

WHAT DO BICYCLE HELMET LAWS DO? EVIDENCE FROM CANADA

2018· article· en· W2901722539 sur OpenAlexaffabout
Christopher S. Carpenter, Casey Warman

Notice bibliographique

RevueEconomic Inquiry · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésUnintended consequencesPopulationInjury preventionLawSuicide preventionHuman factors and ergonomicsCurrent Population SurveyAffect (linguistics)Poison controlCyclingDemographic economicsPsychologyPolitical scienceDemographyEconomicsMedicineEnvironmental healthSociologyHistory

Résumé

récupéré en direct d'OpenAlex

Twenty‐one states and the District of Columbia require youths to wear helmets when riding a bicycle, and there has been a push to extend such laws to adults. We provide new evidence on helmet laws by studying Canada using difference‐in‐differences models and restricted area‐identified public health survey data with information on cycling and helmet use for nearly 800,000 individuals from 1994 to 2014. We first confirm prior patterns from the United States that laws requiring youths to wear helmets significantly increased youth helmet use. We then provide the literature's first comprehensive evidence that “all‐age” bicycle helmet laws significantly increased both adult and youth helmet use by 50%–190% relative to pre‐reform levels, with larger effects for younger adults and less‐educated adults. All‐age helmet laws had modest effects at reducing cycling and increasing in‐home exercise during winter months among adults but did not meaningfully affect weight. Overall, our findings confirm that all‐age helmet laws can be effective at increasing population helmet use without significant unintended adverse health consequences. ( JEL I18, I12, K32)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,437
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,344
Écart entre enseignants0,285 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEconomic InquiryMême sujetInjury Epidemiology and PreventionTravaux en français237 207