Estimate of the magnitude of risky and protective behaviors associated with road traffic injuries in capitals participating in the Life in Traffic Project of Brazil
Notice bibliographique
Résumé
BACKGROUND: Brazil occupies the fifth position in the ranking of the highest mortality rates due to RTI in the world. With the objective of promoting traffic safety and consequently reducing deaths, Brazil created the Life in Traffic Project (LTP). The main goal of LTP is reducing 50% of RTI deaths, by promoting interventions to tackle risk factors, such as driving under the influence of alcohol and excessive and/or inappropriate speed. Thus, the aim of this study was to estimate the magnitude of risky and protective factors for RTI in capitals participating in the LTP in Brazil. We estimated these factors according to sociodemographic (age group, sex, education, race and, type of road user). METHODS: A total of 5,922 car drivers and motorcyclists from 14 Brazilian capitals participating in the LTP were interviewed. Data collection was carried out in sobriety checkpoints at night and consisted of the administration of an interview and a breathalyzer test. Risky and protective behaviors associated with RTI were investigated. Covariates of the study were: age, sex, education, race and, type of road user. Poisson multiple regression analysis was used to assess the relationship between variables of interest. RESULTS: The prevalence of individuals with positive blood alcohol concentration (BAC) was 6.3% and who reported driving after drinking alcohol in the last 30 days was 9.1%. The others risky behaviors reported were: driving at excessive speed on roads of 50 km/h, using a cell phone for calls while driving, using a cell phone to send or read calls while driving, running a red light. Use of seatbelts and helmets showed prevalence above 96,0% Use of seatbelts showed prevalence of 98.6% among car drivers, and helmet use was described by 96.6% of motorcycle drivers. Most risky behaviors were more prevalent in younger age groups (except BAC measurement higher in older participants), in males (except for cell phone use), in participants with higher education level and without a driver's license. CONCLUSION: Excessive speed and driving under the influence of alcohol, defined as priorities within the LTP, need more consistent interventions, as they still have considerable prevalence in the cities investigated. The factors described such as cell phone usage and passing red traffic lights should also need to be prioritized as a focus on promoting traffic safety.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».