Pedal And Motor Cycle Helmet Use, Split By Gender: Evidence From Europe, Central America And The Caribbean
Notice bibliographique
Résumé
According to the WHO’s Global Status Report on Road Safety of 2013, road fatalities were 1.24 million for the 182 countries studied; the injury statistics were as always less precise: depending on definition and recording measures, there were 20-50 million injuries –either extreme of the spectrum would constitute the size of a medium-large nation state. In economic terms the cost of road injuries in 2000 was recorded in the WHO Report as in excess of $1/2 trillion –again equivalent to the GDP of medium-large national economies. Correct helmet use was estimated in the study to reduce the risk of death by 40%, and that of serious injury by 70%. These somewhat sobering statistics provide the backdrop for the empirical study of helmet use by riders of bicycles and motorcycles analyzed by gender, age, number of riders and personal/cargo use, which are presented below. Locations in the following countries were chosen in Central America and the Caribbean, for empirical observation of helmet use: Latin America (Cuba, Costa Rica and Nicaragua) and locations in the following countries in Europe (U.K., Italy and the Netherlands.) The data collected are summarized, analyzed and reviewed; and comparisons between countries and regions made. Policy implications are discussed. Tentative policy recommendations are suggested, subject to more extensive empirical research, for a more pro-active approach to road safety for pedal and motor cycle users –not just operators but also passengers, who constitute some of the most vulnerable road users
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 | 0,000 | 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) | 0,000 | 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 ».