Public knowledge, attitudes and practices of vehicle submersion incidents: a pilot study
Notice bibliographique
Résumé
Vehicle submersions account for up to 10% of all drownings in high-income countries. Reports indicate that occupants may be conscious and functional, but possibly making incorrect decisions for self-rescue leading to drowning. This study investigated current public knowledge, attitudes and practices regarding vehicle submersion incidents and to determine if individuals, who are aware of educational efforts regarding vehicle submersions, indicated better responses. A knowledge, attitude and practice (KAP) survey was developed based on previous findings and guidelines from Operation ALIVE (Automobile submersion: Lessons In Vehicle Escape) for vehicle submersion incidents. The majority of respondents (87%) had knowledge of vehicle submersions from the media, but they were not aware (94%) of an effective self-rescue protocol. Respondents felt they had low risk of involvement in a vehicle submersion, and that the chance of survival was likely. Most respondents selected a “successful” initial action for escape; however, other responses indicate the chances of completing a successful self-rescue sequence was less likely. Only 45% of respondents were “aware” of Operation ALIVE educational initiatives, and this awareness did not generally produce better responses. Public understanding of vehicle submersion incidents is low and current public education efforts have not increased awareness in the severity or the urgency for performing self-rescue in this scenario. Simply increasing public knowledge of “SWOC” (“SEATBELTS” off, “WINDOWS” open, “OUT” immediately, “CHILDREN” first) would help to decrease the high fatality rate associated with this type of road traffic accident.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».