Comparing rural traffic safety in Canada and Australia: a scoping review of the literature
Notice bibliographique
Résumé
INTRODUCTION: The reduction of road fatalities is a priority established by the WHO and ratified by the UN. Rates of road fatalities are disproportionately high in rural areas in both Australia and Canada, two Commonwealth countries with comparable healthcare systems and rural health challenges. The purpose of this review was to compare and contrast the epidemiology, risk factors and prevention strategies of rural road fatalities in both countries to inform the next steps for prevention. METHODS: A scoping literature review was undertaken systematically to search for peer-reviewed literature published from January 2000 to June 2021. Articles were reviewed from five databases (EMCARE, Medline, CINAHL, Scopus and Informit). Search terms were adapted to suit each database and included combinations of keywords such as 'traffic accident', 'fatality', 'rural/remote', 'Australia' and 'Canada'. Themes and data associated with the research outcomes were extracted and tabulated. RESULTS: Forty-three papers were identified as relevant: 14 exploring epidemiology, 25 investigating risk factors and 37 proposing prevention strategies. People living in rural locations were 3.2 (95% confidence interval: 3.0-3.5) times more likely than urban dwellers to die in road-related incidents, with rates of motor vehicle fatalities universally higher. Common risk factors included drugs and alcohol, speed, driver error and biological sex. Key prevention strategies included improved infrastructure, vehicle design, impaired driving prevention and education. CONCLUSION: Further research regarding preventative measures and significant investment in rural road safety in both Australia and Canada are needed to prevent future incidents.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».