Traffic-related pedestrian injuries in school-age children: examining the relationship with characteristics of the roadway environment
Notice bibliographique
Résumé
Traffic-related injuries are a leading cause of morbidity and mortality amongst children in Canada. Characteristics of the road environment, including the volume of motor vehicle traffic, have been found to be important determinants of injury occurrence in adults. Studies of the relationship in children, however, are few in number.I undertook an ecological study among children age 5 to 17 years on the Island of Montreal using a database of all traffic-related pedestrian injuries occurring in the period 1999 to 2008. These data on accidents were juxtaposed with census data and characteristics of the road network. I used Poisson regression to model the number of traffic-related pedestrian injuries occurring at intersections and on city street segments and characteristics of the roadway and of neighbourhoods. The number of injuries was positively associated with the average volume of traffic at the location of injury, with the presence of major roads, and with the presence of more than three legs at intersections. Intersections and road segments located in closer proximity to a school, as well as those in neighbourhoods with a higher population density of children, lower household income, and a higher proportion of children walking or biking to school had higher relative number of injuries. Sensitivity analyses, including the use of different statistical models for count data, confirmed the robustness of the main results. These findings suggest that the design of streets and intersections may be an important target for strategies to reduce the number of injuries in school-aged children.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».