Circumstances and outcome of active transportation injuries: protocol of a British Columbian inception cohort study
Notice bibliographique
Résumé
INTRODUCTION: Active transport (AT) is promoted by urban planners and health officials for its environmental, economic and societal benefits and its uptake is increasing. Unfortunately, AT users can be injured or killed due to falls or collisions. Active transport injury (ATI) prevention efforts are hindered by limited research on the circumstances, associated infrastructure, injury pattern, severity and outcome of ATI events. This study seeks to address these knowledge gaps by identifying built environment features associated with injury and risk factors for a poor outcome following ATI. METHODS AND ANALYSIS: This prospective observational study will recruit an inception cohort of 2000 ATI survivors, including pedestrians, cyclists and micromobility users aged 16 years and older who arrive at a participating emergency department within 48 hours of sustaining an ATI. Baseline interviews capture demographic and socioeconomic information, pre-injury health and functional status, as well as circumstances of the injury event and recovery expectations. Follow-up interviews at 2, 4, 6 and 12 months postinjury (key stages of recovery) use standardised health-related quality of life tools to determine physical and mental health outcomes, functional recovery and healthcare resource use and lost productivity costs. ETHICS AND DISSEMINATION: The Active Transportation Injury Circumstances and Outcome Study is approved by our institutional research ethics board and the research ethics boards of all participating sites. This study aims to provide healthcare providers with knowledge of risk factors for poor outcome following ATI with the goal of improving patient management. Additionally, this study will provide insight into the circumstances of ATI events including built environment features and how those circumstances relate to recovery outcomes. This information can be used to inform city engineers and planners, policymakers and public health officials to plan roadway design and injury prevention policy.
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 | 0,015 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,004 |
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 ».