Lockdowns and cycling injuries: temporal analysis of rates in Quebec during the first year of the pandemic
Notice bibliographique
Résumé
INTRODUCTION: Cycling increased in popularity during the COVID-19 pandemic, but the impact on cycling injuries is not known. We examined the effect of lockdowns on cycling injury hospitalizations. METHODS: We identified hospitalizations for cycling injuries in Quebec, Canada, between April 2006 and March 2021. We used rate ratios (RR) and 95% confidence intervals (CI) to compare hospitalization rates by type of cycling injury and anatomical site during two waves of the pandemic. We performed interrupted time series regression to assess the effect of lockdowns on monthly cycling injury hospitalization rates, according to age, sex and other characteristics. RESULTS: There were 2020 hospitalizations for cycling injuries between March 2020 and March 2021, including 617 during the first lockdown and 67 during the second lockdown. Compared with the period before the pandemic, risk of cycling-related injuries during the first lockdown increased the most for fractures (RR = 1.44; 95% CI: 1.26- 1.64) and head and neck injuries (RR = 1.59; 95% CI: 1.19-2.12). Cycling injury hospitalization rates increased significantly among adults, adolescents and individuals from socioeconomically advantaged neighbourhoods or those with low concentrations of racialized people every month of the first lockdown. The second lockdown was not associated with cycling injuries. CONCLUSION: The first lockdown triggered a sharp increase in cycling injury hospitalizations, especially among adults, adolescents and individuals from socioeconomically advantaged and less racialized neighbourhoods.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».