Road traffic injuries and fatalities among drivers distracted by mobile devices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
CONTEXT: With increasing ownership of mobile devices (i.e., cell phones and smartphones), it is important to better understand the role of these devices in motor vehicle collision (MVC)-related trauma. AIMS: The primary objective was to synthesize evidence on the proportion of drivers injured or killed in an MVC attributed to driver distraction by a mobile device. As a secondary objective, we assessed for associations between injury risk and mobile device use while driving. SETTINGS AND DESIGN: This study was a systematic review. SUBJECTS AND METHODS: We searched five electronic databases (PubMed, Embase, CINAHL, TRIS, and Web of Science) and the gray literature to identify reports of drivers injured (regardless of the severity) or killed in MVCs attributed to mobile device-related distraction by the driver. We evaluated study and driver characteristics, as well as associations between injury risk and mobile device use by drivers. STATISTICAL ANALYSIS USED: Descriptive statistics were used to report study characteristics. The proportion of injuries related to driver distraction by mobile devices was calculated for each study. RESULTS: Overall, 4907 articles were screened, of which 13 met eligibility criteria. The median proportion of distracted-driving-related trauma was 3.4% (range: 0.04% to 44.7%). Three studies evaluated the association between mobile device use and road traffic injury; all found use of a mobile device while driving significantly increased crash risk. CONCLUSIONS: The proportion of road traffic injuries and fatalities attributed to driver distraction by a mobile device ranges from 0.04% to 44.7%. Studies were subject to limitations in the collection of reliable data on distraction-related MVCs.
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.
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 | 0,000 | 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) | 0,004 | 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 découle