MétaCan
Menu
Retour à la cohorte
Enregistrement W4385643941 · doi:10.1016/j.trip.2023.100898

Remoteness and other risk factors in circumpolar road accident severity

2023· article· en· W4385643941 sur OpenAlex
Thomas Stringer, Halley Suarez, Amy Kim

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueTransportation Research Interdisciplinary Perspectives · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Research Council CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésMultinomial logistic regressionAccident (philosophy)Circumpolar starOddsLogistic regressionGeographyPoison controlRoad accidentEnvironmental healthTransport engineeringMedicineComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Access to healthcare services is more challenging in remote northern regions due to higher travel costs associated with longer distances and harsh environments. Emergency response to road accidents in remote regions can take significantly longer than in more easily accessible locations, and potentially lead to more severe health outcomes. Accordingly, it is important to have insights on the factors that influence road accident severity in remote regions. This paper uses police accident data from Canada’s Northwest Territories between 1989 and 2019 to assess the influence of various factors on accident severity, including environmental, infrastructure-specific, geographical and accident-specific characteristics. Using multinomial logistic regression, we find that remoteness, off-road vehicle involvement and alcohol involvement increase the odds of a road accident being in a higher severity category. Overall, we find that risk factors that are more prevalent in Canada’s northern, remote regions may increase the severity of accidents in comparison to less remote regions.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,256
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,352
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle