Motor vehicle incidents in postgraduate trainees in British Columbia
Notice bibliographique
Résumé
INTRODUCTION: Postgraduate medical trainees frequently work ≥ 24- hour shifts causing fatigue and adverse consequences such as motor vehicle incidents (MVIs). We aim to determine the incidence of MVIs during the commutes of trainees in British Columbia (BC) in the preceding year. METHODS: We completed a retrospective, cross-sectional survey of trainees regarding work hours, shifts, and MVIs in the previous year. MVIs included falling asleep while driving, sudden braking or swerving to avoid a collision, unintentionally running a red light or stop sign, or collisions. RESULTS: Of 273 respondents, over half (54.6%) reported ≥1 MVI, one in 14 were in a collision (7.0%), and two thirds (66.3%) reported that the safety of their commute had been impacted by fatigue in the past year. After adjustment for road exposure and shift-related factors, every ten km increase in commute length was associated with an increased risk of MVI (aOR=1.54;95%CI:1.15-2.12). Reported attentional failures, such as unintentionally running a red light and/or stop sign, increased for every ten hours on-call (aOR=1.44;95%CI:1.03-2.04) and for every additional past-midnight shift worked (aOR=1.13;95%CI:1.01-1.26). DISCUSSION: Trainees with longer and more frequent commutes had an increased risk of MVIs. Trainees who worked more hours on-call and more past-midnight shifts reported significantly more attentional failures while commuting. This study helps us understand factors affecting trainee commuter safety and supports calls for the provision of safe alternatives to commuting for postgraduate trainees.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».