A new alcohol-related traffic law, a further reduction in traffic fatalities? Analyzing the case of Turkey
Notice bibliographique
Résumé
BACKGROUND: In June 2013, an alcohol-related traffic law took effect in Turkey. The law 6487 introduced administrative fines for not respecting blood alcohol concentration limits, health warning messages on alcohol containers (bottles, cans), and prohibited the sale of alcohol beverages in retail facilities between 10 p.m. and 6 a.m.. This article examines how this law is associated with traffic fatality variation. METHODS: Data from the Turkish Statistical Institute for the 2008-2019 period were analyzed. Outcomes were traffic fatality rates per 100,000 population and 10,000 motor vehicles. Exposure variable was the presence of law 6487. Alcohol, tobacco, and related beverages' household expenditure, unemployment rate, number of health professionals, number of crashes, and lags of the outcomes represented control variables. A time-series cross-regional fixed effect model was applied. RESULTS: Empirical estimates suggest that the law 6487 was associated with a reduction of 15% (Incidence Rate Ratio (IRR) 0.85, 95% Confidence Interval (CI): 082, 0.94) in the traffic fatality per population rate and with a reduction of 14% (IRR: 0.86 (95% CI: 0.78, 0.92) in the traffic fatality per motor-vehicle rate. After 6 years of its implementation, this intervention was associated with an absolute reduction of 1519 (95% reduction interval: 1177, 1810) traffic fatalities. CONCLUSIONS: Our research emphasizes that legislation with direct and indirect measures targeting driving under the influence of alcohol (DUIA) may be related to traffic fatalities reduction. PRACTICAL APPLICATIONS: This finding has important implications for policy and future research in contexts in which alcohol consumption is low such is in Turkey. Future research should seek to identify mechanisms that explain how laws are ultimately associated with DUIA variation.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».