102 Trends in child pedestrian collision injuries by neighbourhood deprivation in Toronto, Canada
Notice bibliographique
Résumé
<h3>Background</h3> Pedestrian motor vehicle collisions are a leading cause of death and disability among Canadian children (0–19 years). The objective of this study was to examine trends in child pedestrian motor vehicle collision injury rates by neighbourhood deprivation in Toronto, Canada. <h3>Methods</h3> Police-reported child pedestrian injuries (killed or seriously injured; KSI) from 2000–2019 were mapped onto 140 neighbourhoods in Toronto. Neighbourhood deprivation tertiles (low, medium, and highly deprived) were designated using the 2016 Ontario Marginalization Index. Poisson regression analyses examined KSI rates by deprivation and five-year time interval, controlling for location (urban core versus inner suburbs). Interaction terms (deprivation/location and time interval) were also estimated. <h3>Results</h3> Between 2000–2019, 523 child pedestrian KSI were reported. Injury rates were inversely associated with deprivation. A decrease in KSI rates (> 50%) was seen across all neighbourhood deprivation tertiles. The steepest decline in KSI rates occurred from 2000–2010. In the multivariate models, deprivation and interaction terms were non-significant. Toronto’s urban core showed higher child KSI rates, and a significantly faster decline in rates, compared with the outer suburbs. <h3>Conclusions</h3> Toronto child pedestrian KSI rates declined steeply from 2000–2019. Declines were observed uniformly across deprivation tertiles, and steepest in the urban core. Decreases in child pedestrian KSI rates may be attributed to traffic policies implemented in the early 2000s, e.g., city-wide speed limit reductions. <h3>Learning Outcomes</h3> Child pedestrian motor vehicle collision KSI rates have declined steeply over the last two decades in Toronto. Declines were consistent across deprivation tertiles, and steepest in the urban core.
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) | 0,000 | 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 | 0,000 |
| 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 ».