MétaCan
Menu
Retour à la cohorte
Enregistrement W4200271168 · doi:10.1016/j.resglo.2021.100077

Does ridesharing affect road safety? the introduction of Moto-Uber and other factors in the Dominican Republic

2021· article· en· W4200271168 sur OpenAlexafffund
José Ignacio Nazif‐Muñoz, Brice Batomen, Arijit Nandi

Notice bibliographique

RevueResearch in Globalization · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensMcGill UniversityPublic Health OntarioUniversity of TorontoMcGill University Health CentreUniversité de Sherbrooke
Organismes subventionnairesFonds de Recherche du Québec - SantéSocial Sciences and Humanities Research Council of Canada
Mots-clésAffect (linguistics)Transport engineeringPsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Annually, more than 379 000 motorcycle occupants across the world die in motor-vehicle collisions—84% of these fatalities occurred in Low- and Middle-Income countries. Recent studies suggest that the Uber’s four-wheeler ride-sharing service (UberCAR) may reduce traffic fatalities. However, research has not considered how Uber’s two-wheeler ridesharing service (UberMOTO) might affect traffic-motorcycle fatalities. Monthly counts of car occupant and motorcycle fatalities from the Dominican Republic, a country in which both Uber services have been introduced, were collected from the Ministry of Public Health. We conducted interrupted time-series analyses using monthly traffic fatalities per 100,000 population for the period 2012–2018. We studied Santo Domingo and Santiago, the only two cities in which UberCAR and UberMOTO were launched in different times. The introduction of UberMOTO was associated with a 0.16 short-term decrease (95% CI -0.29 to −0.05) in the level of monthly motorcycle fatalities per 100,000 population in Santo Domingo, and a 0.34 decrease (95% CI −0.68, 0.00) in Santiago. UberCAR was associated with an increase of 0.03 (95% CI −0.06 to 0.13) in the level of monthly car occupant fatalities per 100,000 population in Santo Domingo, and with a 0.20 increase (95% CI 0.05 to 0.35) in Santiago. After Santo Domingo and Santiago introduced UberMOTO and UberCAR services, we observed short-term decreases in motorcycle fatalities and abrupt increases in car fatalities, respectively. These associations of ridesharing services with traffic fatalities vary between cities and over time, which might reflect differences in specific city features, including characteristics of the vehicle fleet and public transportation systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,196
Score d'incertitude au seuil0,391

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,345
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch in GlobalizationMême sujetTransportation and Mobility InnovationsTravaux en français237 207